Лекция
Привет, мой друг, тебе интересно узнать все про искусственный интеллект, тогда с вдохновением прочти до конца. Для того чтобы лучше понимать что такое искусственный интеллект , настоятельно рекомендую прочитать все из категории Искусственный интеллект. Основы и история. Цели..
искусственный интеллект — наука, стоящая на стыке информатики, кибернетики, нейробиологии и психологии, изучающая возможность вычислительных машин и других искусственных устройств брать на себя отдельные функции интеллекта человека. ИИ связан с такими направлениями современной науки, как робототехника и когнитивная психология. В результате дискуссий на тему: «может ли машина мыслить» (А. Тьюринг), родилось целое направление — философия искусственного интеллекта. Этические проблемы создания ИИ рассматриваются также во многих литературных и кинематографических произведениях.
Искусственный интеллект (ИИ; англ. artificial intelligence, AI) — свойство искусственных интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека (не следует путать с искусственным сознанием ); наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.
Искусственный интеллект (ИИ) является областью науки, которая изучает разработку и создание компьютерных систем и программ, способных выполнять задачи, которые требуют человеческого интеллекта. Это включает в себя широкий спектр тем и поддисциплин, включая машинное обучение, глубокое обучение, компьютерное зрение, обработку естественного языка и многие другие.
Основная цель исследований в области искусственного интеллекта заключается в создании систем, которые способны анализировать данные, извлекать знания, делать выводы и принимать решения, сходные с теми, что обычно считаются интеллектуальными у человека. ИИ стремится моделировать и эмулировать такие человеческие способности, как распознавание образов, понимание языка, обучение, планирование и принятие решений.
Методы искусственного интеллекта включают в себя создание экспертных систем, которые используют правила и знания, введенные специалистами, для решения задач в определенной области. Машинное обучение является другим подходом, в котором компьютерные системы могут автоматически обучаться на основе данных и опыта, чтобы улучшать свою производительность по мере получения большего количества информации.
Искусственный интеллект связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами .
Существующие на сегодня интеллектуальные системы имеют достаточно узкие области применения. Например, программы, способные обыграть человека в шахматы, как правило, не могут отвечать на вопросы .
В последние годы произошла буквально революция как в содержании, так и в методологии работ в области искусственного интеллекта. В настоящее время гораздо чаще встречаются работы, которые основаны на существующих теориях, а не содержат описания принципиально новых открытий; утверждения, изложенные в этих работах, основаны на строгих теоремах или надежных экспериментальных свидетельствах, а не на интуиции; при этом обоснованность сделанных выводов подтверждается на реальных практических приложениях, а не на игрушечных примерах.
Появление искусственного интеллекта отчасти стало результатом усилий по преодолению ограничений таких существующих научных областей, как теория управления и статистика, но теперь искусственный интеллект включил в себя и эти области.
В одной из своих работ Дэвид Макаллестер выразил эту мысль следующим образом. В ранний период развития искусственного интеллекта казалось вероятным, что в результате появления новых форм символических вычислений, например фреймов и семантических сетей, основная часть классической теории станет устаревшей.
Это привело к определенной форме самоизоляции, характеризовавшейся тем, что искусственный интеллект в значительной степени отделился от остальной части компьютерных наук. В настоящее время такой изоляционизм преодолен. Появилось признание того, что машинное обучение не следует отделять от теории информации, что проведение рассуждений в условиях неопределенности нельзя изолировать от стохастического моделирования, что поиск не следует рассматривать отдельно от классической оптимизации и управления и что автоматизированное формирование рассуждений не должно трактоваться как независимое от формальных методов и статистического анализа.
С точки зрения методологии искусственный интеллект наконец-то твердо перешел на научные методы. Об этом говорит сайт https://intellect.icu . Теперь, для того чтобы быть принятыми, гипотезы должны подвергаться проверке в строгих практических экспериментах, а значимость результатов должна подтверждаться данными статистического анализа. Кроме того, в настоящее время имеется возможность воспроизводить эксперименты с помощью Internet, а также совместно используемых репозитариев тестовых данных и кода.
Именно по этому принципу развивается область распознавания речи. В 1970-е годы было опробовано широкое разнообразие различных архитектур и подходов. Многие из них оказались довольно надуманными и недолговечными и были продемонстрированы только на нескольких специально выбранных примерах. В последние годы доминирующее положение в этой области заняли подходы, основанные на использовании скрытых марковских моделей (Hidden Markov Model — НММ).
Описанное выше современное состояние искусственного интеллекта подтверждается двумя особенностями моделей НММ. Во-первых, они основаны на строгой математической теории. Это позволяет исследователям речи использовать в своей работе математические результаты, накопленные в других областях за несколько десятилетий. Во-вторых, они получены в процессе обучения программ на крупном массиве реальных речевых данных. Это гарантирует обеспечение надежных показателей производительности, а в строгих слепых испытаниях модели НММ неизменно улучшают свои показатели.
Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в 1956 году на семинаре в Дартмутском университете, не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем.
Поясняя свое определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире» .
В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом .
В английском языке словосочетание artificial intelligence не имеет антропоморфной окраски, которую оно приобрело в традиционном русском переводе: слово intelligence в используемом контексте скорее означает «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть английский аналог intellect .
Даются следующие определения искусственного интеллекта:
Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект — способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определенного класса сложности и решать эти задачи».
Технология распознавания речи и связанная с ней область распознавания рукописных символов уже совершают переход к созданию широко применяемых индустриальных и потребительских приложений.
Нейронные сети также следуют этой тенденции. Основная часть работ по нейронных сетям, осуществленных в 1980-х годах, была проведена в попытке оценить масштабы того, что должно быть сделано, а также понять, в чем нейронные сети отличаются от «традиционных» методов. В результате использования усовершенствованной методологии и теоретических основ исследователи в этой области достигли такого уровня понимания, что теперь нейронные сети стали сопоставимыми с соответствующими технологиями из области статистики, распознавания образов и машинного обучения, а наиболее перспективная методология может быть применена к каждому из этих приложений.
В результате этих разработок была создана так называемая технология анализа скрытых закономерностей в данных (data mining), которая легла в основу новой, быстро растущей отрасли информационной индустрии.
Знакомство широких кругов специалистов с книгой Джуди Перла Probabilistic Reasoning in Intelligent Systems привело к признанию важности теории вероятностей и теории решений для искусственного интеллекта, что последовало за возрождением интереса к этой теме, вызванной статьей Питера Чизмана In Defense of Probability.
Для обеспечения эффективного представления неопределенных знаний и проведения на их основе строгих рассуждений были разработаны формальные средства байесовских сетей. Этот подход позволил преодолеть многие проблемы систем вероятностных рассуждений, возникавшие в 1960-1970-х гг.; теперь он стал доминирующим в таких направлениях исследований искусственного интеллекта, как формирование рассуждений в условиях неопределенности и экспертные системы.
Данный подход позволяет организовать обучение на основе опыта и сочетает в себе лучшие достижения классического искусственного интеллекта и нейронных сетей.
В работах Джуди Перла, а также Эрика Горвица и Дэвида Хекермана была развита идея нормативных экспертных систем. Таковыми являются системы, которые действуют рационально, в соответствии с законами теории решений, а не пытаются имитировать мыслительные этапы в работе людей - экспертов.
Операционная система Microsoft Windows включает несколько нормативных диагностических экспертных систем, применяемых для устранения нарушений в работе.
Аналогичные бескровные революции произошли в области робототехники, компьютерного зрения и представления знаний. Благодаря лучшему пониманию исследовательских задач и свойств, обусловливающих их сложность, в сочетании с всевозрастающим усложнением математического аппарата, удалось добиться формирования реальных планов научных исследований и перейти к использованию более надежных методов.
Но во многих случаях формализация и специализация привели также к фрагментации направлений, например, такие темы, как машинное зрение и робототехника, все больше отделяются от «основного направления» работ по искусственному интеллекту. Снова добиться объединения этих разрозненных областей можно на основе единого взгляда на искусственный интеллект как науку проектирования рациональных агентов.
В настоящее время искусственный интеллект находится в центре внимания и получает широкое применение в различных областях, таких как медицина, финансы, транспорт, робототехника, игры и многие другие. Исследования в области ИИ продолжаются, и постоянно появляются новые методы и подходы, расширяющие возможности и применения искусственного интеллекта.
Таким образом, искусственный интеллект является активной и быстро развивающейся наукой, направленной на создание компьютерных систем, способных воспринимать, анализировать и обрабатывать информацию аналогично человеческому интеллекту.
Если я не полностью рассказал про искусственный интеллект? Напиши в комментариях Надеюсь, что теперь ты понял что такое искусственный интеллект и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Искусственный интеллект. Основы и история. Цели.
Ответы на вопросы для самопроверки пишите в комментариях, мы проверим, или же задавайте свой вопрос по данной теме.
Комментарии
Оставить комментарий
Искусственный интеллект. Основы и история. Цели.
Термины: Искусственный интеллект. Основы и история. Цели.