Instalace adblock plus pro chrome. Doplněk Adblock Plus pro Mozilla Firefox: blokování reklam. Mazání Google Plus komentářů

Umělá inteligence (AI, anglicky: Artificial intelligence, AI) - věda a technologie vytváření inteligentních strojů, zejména inteligentních počítačových programů. AI souvisí s podobným úkolem používání počítačů k pochopení lidské inteligence, ale není nutně omezena na biologicky věrohodné metody.

Co je umělá inteligence

inteligence(z latinského intellectus - pociťování, vnímání, chápání, chápání, pojem, rozum), nebo mysl - duševní vlastnost sestávající ze schopnosti adaptovat se na nové situace, schopnosti učit se a pamatovat si na základě zkušenosti, porozumění a aplikace abstraktní pojmy a využívat své znalosti k řízení životní prostředí. Inteligence je obecná schopnost poznávat a řešit obtíže, která spojuje všechny lidské kognitivní schopnosti: pociťování, vnímání, paměť, představivost, myšlení, představivost.

Na počátku 80. let 20. století. Výpočetní vědci Barr a Feigenbaum navrhli následující definici umělá inteligence(AI):

Později se řada algoritmů a softwarových systémů začala klasifikovat jako AI, jejichž charakteristickou vlastností je, že dokážou vyřešit některé problémy stejným způsobem, jako by to udělal člověk, který o jejich řešení přemýšlí.

Hlavními vlastnostmi AI jsou porozumění jazyku, učení a schopnost myslet a co je důležité, jednat.

AI je komplex souvisejících technologií a procesů, které se kvalitativně a rychle vyvíjejí, například:

• zpracování textu v přirozeném jazyce
• expertní systémy
• virtuální agenti (chatboti a virtuální asistenti)
• systémy doporučení.

Výzkum AI

• Hlavní článek: Výzkum umělé inteligence

Standardizace v AI

2018: Vývoj standardů v oblasti kvantových komunikací, AI a smart city

Dne 6. prosince 2018 začala Technická komise „Cyber-Physical Systems“ založená na RVC spolu s Regionálním inženýrským centrem „SafeNet“ vyvíjet soubor standardů pro trhy Národní technologické iniciativy (NTI) a digitální ekonomiku. Do března 2019 je plánováno vypracování technických normalizačních dokumentů v oblasti kvantových komunikací, a uvedla RVC. Přečtěte si více.

Vliv umělé inteligence

Riziko pro rozvoj lidské civilizace

Dopad na ekonomiku a podnikání

• Vliv technologií umělé inteligence na ekonomiku a podnikání

Dopad na trh práce

Předpojatost umělé inteligence

Základem všeho, co je praktikování umělé inteligence (strojový překlad, rozpoznávání řeči, zpracování přirozeného jazyka, počítačové vidění, automatizované řízení a mnoho dalšího), je hluboké učení. Jde o podmnožinu strojového učení, která se vyznačuje používáním modelů neuronových sítí, o nichž lze říci, že napodobují fungování mozku, takže klasifikovat je jako AI by bylo namáhavé. Jakýkoli model neuronové sítě je trénován na velkých souborech dat, takže získává určité „dovednosti“, ale jak je používá, zůstává jeho tvůrcům nejasné, což se nakonec stává jedním z nejdůležitějších problémů mnoha aplikací hlubokého učení. Důvodem je to, že takový model pracuje s obrázky formálně, aniž by chápal, co dělá. Je takový systém AI a může systémy postavené na základě strojové učení? Hodnota odpovědi na poslední otázka přesahuje rámec vědeckých laboratoří. Mediální pozornost k fenoménu zvanému AI bias proto znatelně zesílila. Lze to přeložit jako „AI bias“ nebo „AI bias“. Přečtěte si více.

Trh technologií umělé inteligence

Trh AI v Rusku

Globální trh AI

Oblasti použití AI

Oblasti použití AI jsou poměrně široké a pokrývají jak známé technologie, tak vznikající nové oblasti, které mají daleko k masovému uplatnění, jinými slovy, jedná se o celou řadu řešení, od vysavačů po vesmírné stanice. Veškerou jejich rozmanitost můžete rozdělit podle kritéria klíčových bodů rozvoje.

AI není monolitní obor. Některé technologické oblasti umělé inteligence se navíc jeví jako nové podsektory ekonomiky a samostatné entity, přičemž současně slouží většině oblastí v ekonomice.

Rozvoj využití AI vede k adaptaci technologií v klasických sektorech ekonomiky v celém hodnotovém řetězci a transformuje je, což vede k algoritmizaci téměř všech funkcionalit, od logistiky až po řízení společnosti.

Použití AI pro obranu a vojenské záležitosti

Využití ve vzdělávání

Použití AI v podnikání

AI v elektroenergetice

• Na úrovni návrhu: zlepšené předpovídání výroby a poptávky po energetických zdrojích, hodnocení spolehlivosti zařízení na výrobu energie, automatizace zvýšené výroby při nárůstu poptávky.
• Na úrovni výroby: optimalizace preventivní údržby zařízení, zvyšování účinnosti výroby, snižování ztrát, zamezení krádežím energetických zdrojů.
• Na úrovni propagace: optimalizace cen v závislosti na denní době a dynamické účtování.
• Na úrovni poskytování služeb: automatický výběr nejziskovější dodavatel, podrobné statistiky spotřeba, automatizovaný zákaznický servis, optimalizace spotřeby energie zohledňující zvyky a chování zákazníků.

AI ve výrobě

• Na úrovni návrhu: zvýšení efektivity vývoje nových produktů, automatizované hodnocení dodavatelů a analýza požadavků na náhradní díly.
• Na úrovni výroby: zlepšení procesu plnění úkolů, automatizace montážních linek, snížení počtu chyb, snížení dodacích lhůt surovin.
• Na úrovni propagace: prognózování objemu služeb podpory a údržby, řízení cen.
• Na úrovni poskytování služeb: zlepšení plánování tras vozového parku Vozidlo, poptávka po zdrojích vozového parku, zlepšování kvality školení servisních techniků.

AI v bankách

• Rozpoznávání vzorů - použité vč. rozpoznávat zákazníky v pobočkách a zprostředkovat jim specializované nabídky.

AI v dopravě

• Automobilový průmysl je na pokraji revoluce: 5 výzev éry bezpilotního řízení

AI v logistice

AI v pivovarnictví

Využití AI ve veřejné správě

AI ve forenzní

• Rozpoznávání vzorů - použité vč. identifikovat zločince na veřejných prostranstvích.

• V květnu 2018 vyšlo najevo, že nizozemská policie používá umělou inteligenci k vyšetřování složitých zločinů.

Podle The Next Web, orgány činné v trestním řízení začala digitalizovat více než 1500 zpráv a 30 milionů stránek souvisejících s nevyřešenými případy. Do počítačové podoby jsou převedeny materiály od roku 1988, ve kterých nebyl trestný čin objasněn nejméně tři roky a pachatel byl odsouzen k více než 12 letům vězení.

Jakmile bude veškerý obsah digitalizován, bude připojen k systému strojového učení, který bude analyzovat záznamy a rozhodne, které případy využívají nejspolehlivější důkazy. To by mělo zkrátit dobu potřebnou ke zpracování případů a vyřešení minulých i budoucích zločinů z několika týdnů na jeden den.

Umělá inteligence bude kategorizovat případy podle jejich „řešitelnosti“ a uvede možné výsledky testů DNA. V plánu je pak automatizace analýzy v jiných oblastech forenzní vědy a možná i rozšíření do oblastí, jako jsou společenské vědy a svědectví.

Navíc, jak řekl jeden z vývojářů systému, Jeroen Hammer, v budoucnu mohou být uvolněny funkce API pro partnery.

Nizozemská policie má speciální jednotku, která se specializuje na vývoj nových technologií pro řešení zločinů. Byl to on, kdo vytvořil systém AI pro rychlé vyhledávání zločinců na základě důkazů.

AI v soudnictví

Vývoj v oblasti umělé inteligence pomůže radikálně změnit soudní systém, aby byl spravedlivější a bez korupčních schémat. Tento názor vyjádřil v létě 2017 Vladimír Krylov, doktor technických věd, technický konzultant společnosti Artezio.

Vědec věří, že stávající řešení v oblasti AI lze úspěšně aplikovat v různých odvětvích ekonomiky a veřejný život. Odborník upozorňuje, že AI se úspěšně využívá v medicíně, ale v budoucnu může zcela změnit soudní systém.

„Když se každý den díváte na zprávy o vývoji v oblasti umělé inteligence, jste jen ohromeni nevyčerpatelnou představivostí a plodností výzkumníků a vývojářů v této oblasti. Zprávy o vědecký výzkum jsou neustále prokládány publikacemi o nových produktech, které pronikají na trh, a zprávami o úžasných výsledcích dosažených pomocí AI v různých oblastech. Pokud se budeme bavit o očekávaných událostech doprovázených znatelným humbukem v médiích, v nichž se AI opět stane hrdinou novinek, pak asi nebudu riskovat technologické předpovědi. Dokážu si představit, že další událostí bude vznik někde extrémně kompetentního soudu v podobě umělé inteligence, spravedlivé a neúplatné. Stane se tak zřejmě v letech 2020-2025. A procesy, které se budou odehrávat na tomto soudu, povedou k nečekaným úvahám a touze mnoha lidí přenést na AI většinu procesů řízení lidské společnosti.“

Vědec uznává použití umělé inteligence v soudním systému jako „logický krok“ k rozvoji legislativní rovnosti a spravedlnosti. Strojová inteligence nepodléhá korupci a emocím, dokáže se striktně držet legislativního rámce a rozhodovat se s přihlédnutím k mnoha faktorům, včetně dat, která charakterizují strany sporu. Analogicky s lékařskou oblastí mohou robotičtí soudci pracovat s velkými daty ze skladovacích zařízení veřejné služby. Dá se předpokládat, že strojová inteligence bude schopna rychle zpracovat data a zohlednit podstatně více faktorů než lidský soudce.

Odborní psychologové se však domnívají, že absence emocionální složky při posuzování soudních případů negativně ovlivní kvalitu rozhodnutí. Verdikt strojového soudu může být příliš přímočarý, nebere v úvahu důležitost pocitů a nálad lidí.

Malování

V roce 2015 tým Google testoval neuronové sítě, aby zjistil, zda dokážou vytvářet obrázky samy. Poté byla umělá inteligence trénována na příkladu velkého počtu různé obrázky. Když však byl stroj „požádán“, aby něco zobrazil sám, ukázalo se, že svět kolem nás interpretuje poněkud zvláštním způsobem. Například za úkol nakreslit činky dostali vývojáři obrázek, na kterém byl kov spojen lidskýma rukama. Stalo se to pravděpodobně proto, že ve fázi tréninku analyzované obrázky s činkami obsahovaly ruce a neuronová síť to interpretovala nesprávně.

Dne 26. února 2016 na speciální aukci v San Franciscu zástupci Googlu vybrali zhruba 98 tisíc dolarů z psychedelických maleb vytvořených umělou inteligencí. Tyto prostředky byly věnovány na charitu. Jeden z nejúspěšnějších obrázků vozu je uveden níže.

Obraz namalovaný umělou inteligencí Google.

Podle definice D.A. Pospelová, „Systém se nazývá inteligentní, pokud implementuje následující základní funkce:

• shromažďovat znalosti o světě obklopujícím systém, klasifikovat a hodnotit je z hlediska pragmatické užitečnosti a konzistence, iniciovat procesy pro získávání nových znalostí a korelovat nové znalosti s dříve uloženými znalostmi;
• doplňovat nabyté znalosti pomocí logického vyvozování, reflektovat vzorce ve světě obklopujícím systém ve znalostech, které dříve nashromáždil, získávat zobecněné znalosti na základě konkrétnějších znalostí a logicky plánovat své aktivity;
• komunikovat s osobou jazykem co nejbližším přirozenému lidskému jazyku;
• přijímat informace z kanálů podobných těm, které používá člověk při vnímání světa kolem sebe;
• umět formulovat pro sebe nebo na žádost osoby (uživatele) vysvětlení vlastní činnosti;
• poskytovat uživateli pomoc prostřednictvím znalostí uložených v paměti a logických prostředků uvažování, které jsou systému vlastní."

Uvedené funkce lze nazvat funkcemi reprezentace a zpracování znalostí, usuzování a komunikace. Spolu s povinné součásti v závislosti na řešených úlohách a rozsahu aplikace v konkrétním systému mohou být tyto funkce implementovány v různé míře, což určuje individualitu architektury. Na Obr. maximálně 2.1 obecný pohled Struktura inteligentního systému je prezentována ve formě sady bloků a propojení mezi nimi.

Znalostní báze je kolekce prostředí, která ukládají znalosti různých typů. Pojďme se krátce zamyslet nad jejich účelem.

Databáze faktů (dat) ukládá konkrétní data, a základna pravidel- elementární výrazy nazývané v teorii umělá inteligence produkty.

Databáze procedur obsahuje aplikační programy, pomocí kterých všechny potřebné transformace a výpočty.

Databáze vzorů zahrnuje různé informace související s charakteristikami prostředí, ve kterém systém funguje.

Metaznalostní báze (znalostní báze o sobě) obsahuje popis samotného systému a jeho fungování: informace o tom, jak jsou jednotky informací zastoupeny v systému různé typy jak interagují různé komponenty systému, jak bylo dosaženo řešení problému.

Cílová základna obsahuje cílové struktury zvané scénáře, které umožňují organizovat procesy pohybu od počátečních skutečností, pravidel, postupů až po dosažení cíle, který byl do systému zadán uživatelem nebo byl systémem sám formulován při své činnosti v problémové prostředí.

Všechny databáze obsažené ve znalostní bázi jsou spravovány a jejich interakce je organizována systémem správy znalostní báze. S jeho pomocí se spojují mezi znalostními bázemi a vnější prostředí. Stroj znalostní báze tedy plní první funkci inteligentního systému.

Druhou funkci plní část inteligentního systému tzv řešitel a sestávající z řady bloků, které jsou řízeny řídicím systémem řešitele. Některé z bloků implementují logickou inferenci.

Deduktivní inferenční blok provádí v řešiteli deduktivní uvažování, s jehož pomocí se odvozují nová fakta ze vzorců z báze znalostí, faktů z faktické báze a pravidel z báze pravidel. Kromě, tento blok implementuje heuristické postupy pro hledání řešení problémů jako hledání cest k řešení problému pomocí scénářů pro daný konečný cíl.

K implementaci uvažování, které není deduktivní povahy, tj. k hledání podle analogie, precedentu atd., se používají bloky induktivních a věrohodných závěrů.

Plánovací blok používá se v problémech plánování spolu s deduktivní inferenční blok.

Účel blok funkčních transformací spočívá v řešení úloh výpočtově-logického a algoritmického typu.

Třetí funkce - komunikační funkce - je realizována jak pomocí komponent rozhraní přirozeného jazyka, tak pomocí receptorů a efektorů, které provádějí tzv. neverbální komunikaci a používají se u inteligentních robotů.

2.2. Typy inteligentních systémů

V závislosti na souboru komponent, které implementují uvažované funkce, lze rozlišit následující hlavní typy inteligentních systémů:

• inteligentní systémy vyhledávání informací;
• expertní systémy (ES);
• výpočty a logické systémy;
• hybridní expertní systémy.

Inteligentní systémy vyhledávání informací jsou systémy interakce s problémově orientovanými (věcnými) databázemi v přirozeném, resp. přirozeném jazyce (jazyk obchodní prózy), omezené jak gramaticky, tak lexikálně (odborná slovní zásoba). Vyznačují se použitím (kromě znalostní báze, která implementuje sémantické model reprezentace znalostíÓ problémová oblast) jazykový procesor.

Expertní systémy jsou jednou z rychle se rozvíjejících tříd inteligentních systémů. Tyto systémy primárně začaly vznikat v matematicky špatně formalizovaných oblastech vědy a techniky, jako je medicína, geologie, biologie a další. Vyznačují se hromaděním znalostí a pravidel uvažování v systému zkušení specialisté v tomhle předmětová oblast, stejně jako přítomnost speciální systém vysvětlení.

Výpočetní a logické systémy umožňují řešit problémy řízení a navrhování podle jejich formulací (popisů) a výchozích dat bez ohledu na složitost matematických modelů těchto problémů. V tomto případě má koncový uživatel možnost ovládat všechny fáze výpočetního procesu v dialogovém režimu. V obecný případ popsat problém jazykem předmětová oblast automatický sestavení matematického modelu a automatická syntéza pracovních programů při formulaci funkční úkoly z tohoto předmětová oblast. Tyto vlastnosti jsou realizovány díky přítomnosti znalostní báze ve formě funkcionálu sémantický web a komponenty deduktivního vyvozování a plánování.

V Nedávno zařazen do speciální třídy hybridní expertní systémy. Tyto systémy musí zahrnovat Nejlepší vlastnosti jak expertní, tak výpočetně-logické a informační vyhledávací systémy. Vývoj v oblasti hybridních expertních systémů je v rané fázi.

Nejvýznamnějšího pokroku bylo v současnosti dosaženo v takové třídě inteligentních systémů, jako jsou expertní systémy.

Důležité místo v teorii umělá inteligence(AI) se zabývá problémem reprezentace znalostí. V současné době se rozlišují následující hlavní typy modelů reprezentace znalostí:

• sémantické sítě, včetně funkčních;
• rámce a rámové sítě;
• modely produktů.

Sémantické sítě definován jako obecný graf, ve kterém lze rozlišovat množina vrcholů a žebra. Každý vrchol grafu představuje pojem a oblouk představuje vztah mezi dvojicí pojmů. Popis a směr oblouku určují sémantiku. Vertexové štítky nenesou sémantické zatížení, ale používají se jako referenční informace.

Různé odrůdy sémantické sítě mají různou sémantickou sílu, proto je možné stejnou předmětovou oblast popsat kompaktněji nebo těžkopádně.

Rámec je datová struktura pro reprezentaci a popis stereotypních objektů, událostí nebo situací. Rám model reprezentace znalostí se skládá ze dvou částí:

• sada rámců, které tvoří knihovnu v rámci reprezentovaných znalostí;
• mechanismy pro jejich transformaci, propojování atd. Existují dva typy rámců:
• vzorek (prototyp) - intenzionální popis určitého souboru instancí;
• instance (example) - extenzivní reprezentace snímku-vzorku.

Rámec může být obecně reprezentován následující n-ticí:

<ИФ, (ИС, ЗС, ПП),..., (ИС, ЗС, ПП)>,

kde IF je název rámce; IS - název slotu; ZS - hodnota slotu; PP - název přiložené procedury (nepovinný parametr).

Sloty jsou nějaké nevyplněné substruktury rámu, jejichž vyplnění vede k tomu, že tento rám je uveden do korespondence s určitou situací, jevem nebo objektem.

Jako data může rámec obsahovat volání procedur (tzv. připojené procedury). Existují dva typy procedur: procedury démona a procedury služebníka. Procedury démona se aktivují při každém pokusu o přidání nebo odebrání dat z

• Mustafina Nailya Mugattarovna, bakalář, student
• Baškirská státní agrární univerzita
• Sharafutdinov Aidar Gazizyanovič, kandidát věd, docent, docent
• Baškirská státní agrární univerzita

• POČÍTAČOVÉ STROJE
• TECHNIKA
• VĚDA
• UMĚLÁ INTELIGENCE

Dnes se vědecký a technologický pokrok rychle rozvíjí. Jedním z jeho rychle se rozvíjejících odvětví je umělá inteligence.

V dnešní době se technologický pokrok rychle vyvíjí. Věda nestojí na místě a každý rok lidé přicházejí se stále pokročilejšími technologiemi. Jedním z nových směrů ve vývoji technologického pokroku je umělá inteligence.

Lidstvo poprvé slyšelo o umělé inteligenci před více než 50 lety. Stalo se tak na konferenci konané v roce 1956 na Dartmouth University, kde John McCarthy dal tomuto pojmu jasnou a přesnou definici. „Umělá inteligence je věda o vytváření inteligentních strojů a počítačových programů. Pro účely této vědy jsou počítače využívány jako prostředek k pochopení vlastností lidské inteligence, zároveň by se studium AI nemělo omezovat na použití biologicky věrohodných metod.

Umělá inteligence moderní počítače docela vysokou úroveň, ale ne na takovou úroveň, aby jejich schopnosti chování nebyly horší než alespoň u těch nejprimitivnějších zvířat.

Výsledkem výzkumu „umělé inteligence“ je touha porozumět práci mozku, odhalit tajemství lidského vědomí a problém vytváření strojů s určitou úrovní lidské inteligence. Základní možnost modelování intelektuálních procesů vyplývá z toho, že jakákoliv mozková funkce, jakákoli mentální aktivita, popsaná v jazyce s přísně jednoznačnou sémantikou pomocí konečného počtu slov, může být v zásadě přenesena do elektronického digitálního počítače.

V současné době byly vyvinuty některé modely umělé inteligence v různých oblastech, ale počítač schopný zpracovávat informace v jakémkoli novém oboru zatím nebyl vytvořen.

Mezi nejdůležitější třídy úkolů, které byly kladeny vývojářům inteligentních systémů od definice umělé inteligence jako vědeckého směru, je třeba zdůraznit následující: oblasti umělé inteligence:

• Důkaz teorémů. Svou roli sehrálo studium technik dokazování teorémů důležitá role ve vývoji umělé inteligence. Mnoho neformálních problémů, například lékařská diagnostika, je řešeno pomocí metodických přístupů, které byly použity k automatizaci dokazování vět. Nalezení důkazu matematického teorému vyžaduje nejen dedukci z hypotéz, ale také vytvoření intuitivních předpokladů o tom, která mezilehlá tvrzení by měla být prokázána pro celkový důkaz hlavní věty.
• Rozpoznávání obrazu. Využití umělé inteligence pro rozpoznávání obrazu umožnilo vytvořit prakticky fungující systémy pro identifikaci grafických objektů na základě podobných vlastností. Jakékoli charakteristiky objektů, které mají být rozpoznány, lze považovat za rysy. Prvky musí být invariantní k orientaci, velikosti a tvaru objektů. Abecedu funkcí tvoří vývojář systému. Kvalita rozpoznávání do značné míry závisí na tom, jak dobře byla vyvinuta abeceda funkcí. Rozpoznávání spočívá v a priori získání příznakového vektoru pro samostatný objekt vybraný na obrázku a poté v určení, kterému ze standardů příznakové abecedy tento vektor odpovídá.
• Strojový překlad a porozumění lidské řeči. Úkol analyzovat věty v lidské řeči pomocí slovníku je typickým úkolem pro systémy umělé inteligence. K vyřešení tohoto problému byl vytvořen zprostředkující jazyk, který usnadňuje porovnávání frází z různé jazyky. Následně se tento zprostředkující jazyk proměnil v sémantický model pro reprezentaci významů textů k překladu. Evoluce sémantického modelu vedla k vytvoření jazyka pro vnitřní reprezentaci znalostí. Jako výsledek, moderní systémy provádět analýzu textů a frází ve čtyřech hlavních fázích: morfologická analýza, syntaktická, sémantická a pragmatická analýza.
• Herní programy. Na základě většiny herní programy Je založeno na několika základních myšlenkách umělé inteligence, jako je výčet možností a samoučení. Jedním z nejzajímavějších problémů v oblasti herních programů využívajících metody umělé inteligence je naučit počítač hrát šachy. Bylo založeno za úsvitu počítačová technologie, na konci 50. let. V šachu existují určité úrovně dovedností, stupně kvality hry, které mohou poskytnout jasná kritéria pro hodnocení intelektuálního růstu systému. Počítačové šachy proto aktivně studovali vědci z celého světa a výsledky jejich úspěchů jsou využívány v dalších intelektuálních vývojech, které mají skutečný praktický význam.
• Strojová kreativita. Jednou z oblastí uplatnění umělé inteligence je softwarových systémů, schopný samostatně vytvářet hudbu, poezii, příběhy, články, diplomy a dokonce i dizertační práce. Dnes existuje celá třída hudebních programovacích jazyků (například jazyk C-Sound). Pro různé hudební úkoly speciál software: systémy zpracování zvuku, syntéza zvuku, interaktivní systémy kompozice, programy pro algoritmickou kompozici.
• Expertní systémy. Metody umělé inteligence našly uplatnění při tvorbě automatizovaných poradenských systémů nebo expertních systémů. První expertní systémy byly vyvinuty jako výzkumné nástroje v 60. letech 20. století. Byly to systémy umělé inteligence speciálně navržené k řešení složitých problémů v úzké tematické oblasti, jako je lékařská diagnostika nemocí. Klasickým cílem tohoto směru bylo zpočátku vytvoření systému umělé inteligence obecný účel, který by byl schopen vyřešit jakýkoli problém bez konkrétních znalostí v dané oblasti. Vzhledem k omezeným výpočetním zdrojům se tento problém ukázal jako příliš složitý na to, aby byl vyřešen s přijatelným výsledkem.

Můžeme říci, že hlavním cílem vývoje umělé inteligence je optimalizace, jen si představte, jak by člověk, aniž by byl vystaven nebezpečí, mohl studovat jiné planety a těžit drahé kovy.

Můžeme tedy konstatovat, že studium a vývoj umělé inteligence je důležitý pro celou společnost. Ostatně s využitím tohoto systému lze zajistit a usnadnit lidský život.

Bibliografie

1. Yasnitsky L.N. O možnostech využití umělé inteligence [ Elektronický zdroj]: vědecký digitální knihovna. URL: http://cyberleninka.ru/ (datum přístupu 06/01/2016)
2. Yastreb N.A. Umělá inteligence [Elektronický zdroj]: vědecká elektronická knihovna. URL: http://cyberleninka.ru/ (datum přístupu 06/01/2016)
3. Abdulatipová M.A. Umělá inteligence [Elektronický zdroj]: vědecká elektronická knihovna. URL: http://cyberleninka.ru/ (datum přístupu 06/01/2016)

Definice

Umělá inteligence lze definovat jako vědní disciplínu, která se zabývá automatizací inteligentního chování.

Umělá inteligence (AI, Angličtina Umělá inteligence, AI) - věda a technologie vytváření inteligentních strojů, zejména inteligentních počítačových programů. AI souvisí s podobným úkolem používání počítačů k pochopení lidské inteligence, ale není nutně omezena na biologicky věrohodné metody.

Záměry a cíle

Cílem umělé inteligence je tvořit technické systémy, schopný řešit nevýpočtové problémy a provádět akce, které vyžadují zpracování smysluplných informací a jsou považovány za výsadu lidského mozku. Mezi takové úkoly patří například úkoly na dokazování teorémů, herní úkoly (řekněme při hraní šachů), úkoly na překládání z jednoho jazyka do druhého, skládání hudby, rozpoznávání vizuální obrazy, řešení složitých tvůrčích problémů vědy a společenské praxe. Jeden z důležité úkoly Umělá inteligence je vytvoření inteligentních robotů schopných autonomně provádět operace k dosažení cílů stanovených lidmi a provádět úpravy jejich akcí.

Struktura konceptu

„Umělá inteligence“ se skládá z několika základních principů a disciplín, které jsou jejím základem. Toto je podrobněji popsáno na níže uvedeném obrázku. Obrázek převzat z

Níže jsou uvedeny základní definice pojmů použitých na obrázku.

Fuzzy logika a teorie fuzzy množin - obor matematiky, který je zobecněním klasické logiky a teorie množin. Pojem fuzzy logika poprvé představil profesor Lutfi Zadeh v roce 1965. V tomto článku byl koncept množiny rozšířen o předpoklad, že funkce příslušnosti prvku v množině může nabývat libovolné hodnoty v intervalu , nikoli pouze 0 nebo 1. Takové množiny se nazývaly fuzzy. Autor také navrhl různé logické operace s fuzzy množinami a navrhl koncept lingvistické proměnné, jejíž hodnoty jsou fuzzy množiny.

Umělé neuronové sítě(ANN) - matematické modely, stejně jako jejich softwarové či hardwarové implementace, postavené na principu organizace a fungování biologických neuronových sítí - sítí nervových buněk živého organismu. Tento koncept vznikl při studiu procesů probíhajících v mozku a pokusu tyto procesy modelovat. Prvním takovým pokusem byly neuronové sítě McCullocha a Pittse. Následně, po vývoji algoritmů učení, se výsledné modely začaly používat pro praktické účely: v předpovědi problémů, pro rozpoznávání vzorů, v řídicích problémech atd.

Inteligentní agent- program, který nezávisle po dlouhou dobu vykonává úkol určený uživatelem počítače. K pomoci operátorovi nebo ke shromažďování informací se používají inteligentní agenti. Jedním příkladem úkolů prováděných agenty je úkol neustálé hledání a sběr nezbytné informace na internetu. Počítačové viry, roboti, vyhledávací roboty- to vše lze také přičíst inteligentním agentům. Přestože mají tito agenti přísný algoritmus, „inteligence“ je v tomto kontextu chápána jako schopnost adaptace a učení.

Expertní systém (ES, expertní systém)- počítačový program, který může částečně nahradit odborníka při řešení problémové situace. Moderní ES začali vyvíjet výzkumníci umělé inteligence v 70. letech a komerční podpory se jim dostalo v 80. letech. Předchůdce expertních systémů navrhl v roce 1832 S. N. Korsakov, který vytvořil mechanická zařízení, tzv. „inteligentní stroje“, které umožňovaly najít řešení daných podmínek, například určit nejvhodnější léky na základě příznaky onemocnění pozorované u pacienta.

Genetický algoritmus(Angličtina) genetický algoritmus) - Tento heuristický algoritmus vyhledávání, používané k řešení problémů optimalizace a modelování náhodným výběrem, kombinováním a obměňováním požadovaných parametrů pomocí mechanismů připomínajících biologickou evoluci. Je to typ evoluční kalkulace. Výrazná vlastnost genetický algoritmus je důraz na použití operátoru „crossing“, který provádí operaci rekombinace kandidátních řešení, jejíž role je podobná roli křížení v živé přírodě.

Výzkumné modely a metody

Symbolické modelování myšlenkových procesů

Analýzou historie AI můžeme identifikovat tak širokou oblast, jako je např modelovací úvahy. Dlouhá léta vývoj této vědy se ubíral právě touto cestou a nyní je to jedna z nejrozvinutějších oblastí moderní AI. Modelovací uvažování zahrnuje vytváření symbolických systémů, jejichž vstupem je určitý problém a výstup vyžaduje jeho řešení. Navržený problém je zpravidla již formalizován, tedy převeden do matematické podoby, ale buď nemá algoritmus řešení, nebo je příliš složitý, časově náročný apod. Tato oblast zahrnuje: dokazování vět, rozhodování a herní teorie, plánování a dispečink, prognózování.

Práce s přirozenými jazyky

Důležitým směrem je zpracování přirozeného jazyka, v rámci kterého se provádí analýza schopností porozumění, zpracování a generování textů v „lidském“ jazyce. Zejména zde nebyl dosud vyřešen problém strojový překlad texty z jednoho jazyka do druhého. V moderní svět Velkou roli hraje rozvoj metod vyhledávání informací. Původní Turingův test svou povahou souvisí s tímto směrem.

Akumulace a využití znalostí

Podle mnoha vědců je důležitou vlastností inteligence schopnost učit se. Tím se dostává do popředí znalostní inženýrství, spojující úkoly získávání znalostí z jednoduchých informací, jejich systematizace a využití. Pokroky v této oblasti ovlivňují téměř všechny ostatní oblasti výzkumu AI. I zde nelze opomenout dvě důležité podoblasti. První je strojové učení- týká se procesu nezávislý získávání znalostí inteligentním systémem v procesu jeho provozu. Druhý souvisí s tvorbou expertní systémy- programy, které využívají specializované znalostní báze k získání spolehlivých závěrů o jakémkoli problému.

Oblast strojového učení zahrnuje velkou třídu problémů rozpoznávání vzorů. Jedná se například o rozpoznávání znaků, ručně psaný text, řeč, analýzu textu. Mnoho problémů je úspěšně vyřešeno pomocí biologického modelování (viz další odstavec). Zvláště stojí za zmínku počítačové vidění , která také souvisí s robotizací.

Biologické modelování umělé inteligence

Liší se to od chápání umělé inteligence podle Johna McCarthyho, kdy se vychází z pozice, že umělé systémy nejsou povinni ve své struktuře a fungování opakovat strukturu a procesy v ní probíhající, vlastní biologickým systémům, podporovatelům tento přístup věří, že jevy lidského chování, jeho schopnost učit se a adaptovat, jsou důsledkem biologické struktury a charakteristik jeho fungování.

To zahrnuje několik oblastí. Neuronové sítě se používají k řešení fuzzy a komplexní problémy, jako je rozpoznávání geometrických tvarů nebo shlukování objektů. Genetický přístup je založen na myšlence, že určitý algoritmus se může stát efektivnější, pokud si půjčí nejlepší vlastnosti z jiných algoritmů („rodiče“). Relativně nový přístup, kdy úkolem je vytvořit autonomní program – agenta interagujícího s vnějším prostředím, je tzv. agentský přístup.

Perspektivy rozvoje

Na tento moment ve vývoji umělé inteligence došlo k rozvětvení do hlavních sektorů, kterým je věnována hlavní pozornost v podobě materiálových a intelektuální investice. Obrázek převzat z

Literatura

1)"Corporate knowledge management a business reengineering" Abdikejev, Kiselev

Hlavními zdroji pro rozvoj firem se stále více stávají lidé a znalosti, které mají, intelektuální kapitál a rostoucí odborná způsobilost personálu. Dnes jsou vyžadovány nové metody organizačního rozvoje založené na průniku humanitárních a inženýrských přístupů, které umožní získat synergický efekt z jejich interakce. Tento přístup je založen na moderních pokrokech informační technologie, a to kognitivní technologie rozvoje organizace. Relevantní je rozvoj symbiózy koncepce managementu znalostí, reengineeringu podnikových procesů a kognitivní lidské složky.
Pro senior manažery, obchodní analytiky, studenty MBA programů v pokyny "Strategické řízení",„Protikrizový management“, studenti ekonomických vysokých škol na magisterské úrovni, postgraduální studenti a učitelé v oboru podnikového managementu a obchodního reengineeringu.

2) " Modely a metody umělé inteligence. Aplikace v ekonomii." M.G. Matveev, A.S. Sviridov, N.A. Aleynikovová

P Jsou uvedeny teoretické základy umělé inteligence: informační aspekty, informace o binární a fuzzy logice, stejně jako o metodách a modelech současné oblasti umělé inteligence, expertních systémů, znalostního inženýrství, neuronových sítí a genetických algoritmů. Podrobně diskutované problémy praktické provedení inteligentní systémy. Pro ilustraci vývoje a aplikace zvažovaných metod a modelů je uvedeno mnoho příkladů. Speciální pozornost věnovaný ekonomickým problémům.

3) "Umělá inteligence a inteligentní řídicí systémy." I. M. Makarov, V. M. Lokhin, S. V. Manko, M. P. Romanov; šéfredaktor I. M. Makarov

Uvažuje se o nové, aktivně se rozvíjející třídě inteligentních systémů. automatické ovládání, postavená na technologii zpracování znalostí z hlediska efektivní aplikace při řešení problémů řízení v podmínkách nejistoty. Jsou nastíněny základy budování inteligentních systémů.

4) "Umělá inteligence: moderní přístup."S. Russell, P. Norvig

Kniha představuje vše moderní výdobytky a představuje myšlenky, které byly formulovány ve výzkumu prováděném v průběhu posledních padesáti let, stejně jako shromážděné během dvou tisíciletí v oblasti znalostí, které se staly impulsem pro rozvoj umělé inteligence jako vědy o navrhování racionálních agentů.

Seznam zdrojů

5) http://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0 %BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82

Tato část je věnována genetickým algoritmům. Co jsou to genetické algoritmy? V podstatě se jedná o optimalizační algoritmy, které patří do třídy heuristiky. Tyto algoritmy eliminují výčet všech možností a výrazně zkracují dobu výpočtu. Specifičnost fungování těchto algoritmů spočívá v simulaci evolučních procesů.

9) http://www.gotai.net/implementations.aspx

Zde najdete nápady a hotová řešení o využití umělé inteligence a souvisejících teorií k řešení určitých praktických problémů.

10) http://www.gotai.net/documents-logic.aspx

Tato sekce obsahuje materiály, které se k nim tak či onak vztahují klasickým způsobem modelování systémů AI, modelování založené na různých logických zařízeních. Zpravidla se jedná o materiály týkající se expertních systémů, systémů pro podporu rozhodování a systémů agentů.

11) http://khpi-iip.mipk.kharkiv.edu/library/ai/conspai/12.html

Vývojové trendy AI

Studijní otázky

1. Koncept umělé inteligence
2. Nástroje SII
3. Účel a struktura expertních systémů

Umělá inteligence je vědní disciplína, která vznikla v 50. letech na pomezí kybernetiky, lingvistiky, psychologie a programování.

Umělá inteligence má dlouhou historii. I Platón, Aristoteles, Sokrates, R. Descartes, G. Leibniz, J. Boole, pak N. Wiener a mnozí další badatelé se snažili popsat myšlení jako soubor jakýchsi elementárních operací, pravidel a postupů.

Zde jsou některé definice umělé inteligence publikované v různých zdrojích.

1. AI – symbol kybernetických systémů, modelování některých aspektů lidské intelektuální (rozumné) činnosti: logické a analytické myšlení.

2. AI – schopnost robota nebo počítače napodobovat lidské dovednosti používané pro řešení problémů, zkoumání problémů, uvažování a sebezdokonalování.

3. AI je vědecký směr související s vývoj algoritmů a programy pro automatizaci činností, které vyžadují lidskou inteligenci.

4. AI je jednou z oblastí informatiky, jejímž cílem je vývoj hardwaru a softwaru, umožňující uživateli, který není programátorem, představovat a řešit své vlastní problémy, tradičně považované za intelektuální, pomocí komunikace s počítačem v omezené podmnožině přirozeného jazyka.

Od počátku výzkumu v oblasti AI byly rozlišeny dva směry:

Umělá inteligence je rozdělena do dvou vědeckých oblastí: neurokybernetika (neboli umělá inteligence) a kybernetika černé skříňky (neboli strojová inteligence).

Připomeňme, že kybernetika je věda o řízení, komunikaci a zpracování informací. Kybernetika studuje objekty bez ohledu na jejich hmotnou podstatu (živé a neživé systémy).

První směr – neurokybernetika – je založen na hardwarovém modelování fungování lidského mozku, jehož základem je velké číslo(asi 14 miliard) spojených a vzájemně se ovlivňujících nervových buněk – neuronů.

Systémy umělé inteligence, které simulují fungování mozku, se nazývají neuronové sítě(nebo neuronové sítě). První neuronové sítě vytvořili na konci 50. let dvacátého století američtí vědci G. Rosenblatt a P. McCulloch.

Pro druhý směr AI – kybernetiku „černé skříňky“ – nezáleží na designu „myslícího“ zařízení. Hlavní je, že na dané vstupní vlivy reaguje stejně jako lidský mozek.

Uživatelé počítačů se poměrně často setkávají s projevy umělé inteligence. Například při práci s textový editor děje se automatická kontrola pravopis (a s přihlédnutím k použitému jazyku). Při práci s tabulky Nemusíte zadávat všechny dny v týdnu ani všechny měsíce v roce. Stačí provést jeden nebo dva záznamy a počítač bude schopen přesně doplnit seznam. Pomocí mikrofonu a speciální programČinnost programu můžete ovládat hlasem. Při vytáčení emailová adresa prohlížeč se snaží předpovědět adresu a přidat ji. Vyhledejte informace v globální síť pro daná klíčová slova dochází i při zapojení prvků AI. Při skenování ručně psaného textu rozpoznávají systémy AI písmena a čísla.

Nápady AI se používají v herní teorie, například vytvořit počítač, který hraje šachy, dámu, reversi a další logické a strategické hry.

Použití MM k vyřešení problému syntéza řeči A inverzní problém– analýza a rozpoznávání řeči. Ve většině případů se AI používá k nalezení metody, jak vyřešit nějaký problém. Matematika je jednou z hlavních oblastí aplikace metod umělé inteligence. Symbolická matematika (počítačová algebra) je jedním z největších projevů umělé inteligence.

Oblast AI zahrnuje problémy rozpoznávání obrazu (optické a akustické). Identifikace otisků prstů a porovnávání lidských tváří jsou úkoly rozpoznávání vzorů.

Expertní systémy postavené na myšlenkách umělé inteligence shromažďují zkušenosti, znalosti a dovednosti specialistů (expertů), aby je mohli ve správný čas předat jakémukoli uživateli počítače.

Vývoj inteligentních programů se výrazně liší od běžného programování a je realizován budováním systému umělé inteligence.

Pokud může být běžný počítačový program reprezentován jako:

Program = Algoritmus + Data

Pak je pro systémy AI typická následující struktura:

AII = Knowledge + Knowledge Processing Strategy

Hlavní punc SII je znalostní práce.

Na rozdíl od dat mají znalosti následující vlastnosti:

Vnitřní interpretovatelnost– prezentovány spolu s informacemi ve znalostní bázi informační struktury, umožňující nejen ukládat znalosti, ale také je využívat.

Strukturovaný– provádí se rozklad složitých objektů na jednodušší a navazování vazeb mezi nimi.

Propojenost- jsou zobrazeny vzorce týkající se faktů, procesů, jevů a vztahů příčin a následků mezi nimi.

Aktivita– znalosti předpokládají účelné využívání informací, schopnost řídit informační procesyřešit určité problémy.

Všechny tyto vlastnosti by měly v konečném důsledku zajistit schopnost umělé inteligence simulovat lidské uvažování při řešení aplikovaných problémů – se znalostmi úzce souvisí koncept postupu pro získávání řešení problémů (strategie zpracování znalostí).

V systémech pro zpracování znalostí se takový postup nazývá inferenční mechanismus, logická inference nebo inferenční stroj. Principy pro konstrukci mechanismu inference v AIS jsou určeny způsobem reprezentace znalostí a typem modelovaného uvažování.

Aby mohla organizovat interakci s AI, musí mít prostředky pro komunikaci s uživatelem, tedy rozhraní. Rozhraní poskytuje práci se znalostní bází a výstupním mechanismem v jazyce na poměrně vysoké úrovni, blízkému odborný jazyk specialisty v aplikovaném oboru, do kterého SII patří.

Mezi funkce rozhraní navíc patří podpora uživatelského dialogu se systémem, který uživateli umožňuje přijímat vysvětlení akcí systému, podílet se na hledání řešení problému a doplňovat a opravovat znalostní bázi.

Hlavní části znalostních systémů jsou:

2. Výstupní mechanismus

3. Uživatelské rozhraní.

Každá z těchto částí může být uspořádána jinak různé systémy, tyto rozdíly mohou být v detailech a principech. Všechny SII se však vyznačují tím modelování lidského uvažování.

Znalosti, na které se člověk spoléhá při řešení konkrétního problému, jsou velmi heterogenní:

Konceptuální znalost (soubor pojmů a jejich vztahy)

Konstruktivní znalosti (znalosti o struktuře a interakci částí různých objektů)

Procedurální znalosti (metody, algoritmy a programy pro řešení různých problémů).

Faktické znalosti (kvantitativní a kvalitativní charakteristiky předměty, jevy a jejich prvky).

Zvláštností systémů reprezentace znalostí je, že modelují lidské aktivity, často prováděné neformálně. Modely reprezentace znalostí se zabývají informacemi získanými od odborníků, které jsou často kvalitativní a protichůdné. Aby mohly být tyto informace zpracovány pomocí počítače, musí být zredukovány na jednoznačnou formalizovanou formu. Věda o logice studuje metody formalizované reprezentace znalostí.

V současné době má výzkum v oblasti AI následující aplikační orientaci:

Expertní systémy

Automatické dokazování vět

Robotika

Rozpoznávání vzorů atd.

Největšího rozšíření bylo dosaženo při vytváření elektronických systémů, které se rozšířily a používají se při řešení praktických problémů.

1. Nástroje SII

Nástroje používané k vývoji AIS lze rozdělit do několika typů:

Programování systémů v jazycích vyšší úrovně;

Programovací systémy v jazycích reprezentujících znalosti;

Skořápky systémů umělé inteligence jsou kosterní systémy;

Vybavení automatizovaná tvorba ES.

Programování systémů v jazycích vyšší úrovně nejméně zaměřené na řešení problémů s AI. Neobsahují nástroje určené k reprezentaci a zpracování znalostí. Nicméně poměrně velký, ale postupem času klesající podíl AIS je vyvíjen pomocí tradičních jaderných počítačů.

Programovací systémy v jazycích reprezentujících znalost mít speciální prostředky, určený pro tvorbu umělé inteligence. Obsahují vlastní prostředky reprezentace znalostí (podle určitý model) a podporu dedukcí. Vývoj umělé inteligence pomocí programovacích systémů v YaPL je založen na konvenční programovací technologii. Nejpoužívanějším logickým programovacím jazykem je PROLOG.

Nástroje pro automatizovanou tvorbu ES jsou flexibilní softwarové systémy, které umožňují použití několika modelů reprezentace znalostí, metod logické inference a typů rozhraní a obsahují pomocné nástroje pro tvorbu ES. Konstrukce ES pomocí uvažovaných prostředků spočívá ve formalizaci počátečních znalostí, jejich zaznamenání do vstupního jazyka pro reprezentaci znalostí a popisu pravidel pro logické vyvozování rozhodnutí. Dále je expertní systém naplněn znalostmi.

Skořápky nebo prázdné ES Jsou to hotové ES bez znalostní báze. Příklady obdržených granátů ES široké uplatnění, jsou zahraniční shell EMYCIN a tuzemský vývoj Expert-micro, zaměřený na tvorbu ES pro řešení diagnostických problémů. Technologie pro vytváření a používání ES shellu spočívá v tom, že znalosti ze znalostní báze jsou odstraněny z hotového expertního systému, poté je databáze naplněna znalostmi orientovanými na další aplikace. Výhodou shellů je jejich snadné použití - specialistovi stačí naplnit shell znalostmi bez vytváření programů. Nevýhodou použití skořepin je možný nesoulad mezi konkrétní skořepinou a aplikovanou ES vyvinutou s její pomocí.