Тема Языки ии

Лекция 6.Классификация задач искусственного интеллекта

жүктеу 258 Kb. бет 8/18 Дата 21.01.2022 өлшемі 258 Kb. #34485 түрі Лекция

Лекция 6.Классификация задач искусственного интеллекта. Цель лекций. Изучение существующих направлений в ИИ. Содержание лекций. Существует две точки зрения для построения систем ИИ. Первое направление рассматривает продукт интеллектуальной деятельности человека, изучает его структуру и стремится создать этот продукт средствами ЭВМ. Успех этого направления тесно связан с развитием ЭВМ, и искусством программирования. Это направление ИИ получило название «машинного интеллекта». Второе направление ИИ рассматривает данные нейрофизиологических и психологических механизмах интеллектуальной деятельности в более широком плане – разумном поведении человека. Развитие этого направления, называемого искусственным разумом, связано с успехами наук о человеке. Оба эти направления связаны с моделированием. В первом случае имитационным моделированием, а во втором – структурным. В свою очередь первое направление делится на следующие подклассы: Робототехника, Машинное обучение, Игры, Распознавание образов. Робототехника в свою очередь разделяется: Планирование и Машинное зрение. Для робототехники особую роль сыграло развитие теории и техники автоматического доказательства теорем, например разработка предикатной логики. Источником информаций для систем технического зрения (СТЗ) являются различные оптические системы, видеокамеры и.т.д. СТЗ решают два класса задач: инспекция и идентификация. Кроме зрительной информаций используются и другие виды: тактильные (о соприкосновении), проксимитные (о расстоянии), позиционные (о положении), силовые и моментные. В ИИ существует классы задач, которые группируются под названием «Речевое общение». К ним относятся: автоматический перевод, реферирование текстов, построение справочных и поисковых систем. Еще к одним классам задач относящихся к роботам является задача программирования роботов. Это языки управления роботами. Строятся они по тем же принципам что и обычные языки программирования, но отличаются они лишь возможностью полнее учитывать специфику задач управления роботами, особенности их структуры. В машинном обучении обучаемые системы должны обобщать информацию эвристически, т.е. отбирать те аспекты, которые окажутся полезными в будущем. Такой критерий отбора называется индуктивным порогом. Машинное обучение в свою очередь делится на символьный подход, обучение по методам нейронных сетей и на эволюционное обучение. Второе направление задач ИИ Моделирование биологических систем подразделяются на:искусственные нейронные сети (ИНС), эвристическое программирование, экспертные системы. В ИНС используются модели, имитирующие структуры нейронов в человеческом мозге. В нейронных вычислительных моделях каждый элемент подсчитывет значение некоторой функции своих входов и передает результат к элементам сети. Конечные результаты являются следствием параллельной и распределенной обработкой в сети, образованной нейронными соединениями и пороговыми значениями. На уровне эвристического программирования рассматривается последвательность мыслительных операций выполнение которых приводит к решению задачи. Обычно при таком подходе испытуемому человеку предлагается решить некоторую задачу, сопровождая свои размышления комментариями хода своих рассуждений. Все высказывания тщательно протоколируются. Затем протоколы подвергают анализу с целью выявления хода решения. Полученный материал используется при составлении компьютерной программы – модели данного вида поведения. Таким образом программа является моделью протокола. И наконец экспертные системы. Знания в таких системах могут быть реализованы в модедях представления знаний. К ним относятся: логическая модель, модель продукционной системы, фреймовая модель, модель семантических сетей [13]. жүктеу 258 Kb. Достарыңызбен бөлісу:

©g.engime.org 2024
әкімшілігінің қараңыз