Средства искусственного интеллекта

СРЕДСТВА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Искусственный интеллект

Достаточно трудно дать точное определение, что такое интеллект человека, потому что интеллект - это сплав многих навыков в области обработки и представления информации. Интеллект ( intelligence ) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. 

Искусственный интеллект  (ИИ) - совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ. 

Искусственный интеллект  - одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.  

Системы искусственного интеллекта  (СИИ) — это системы, созданные на базе ЭВМ, которые имитируют решение человеком сложных интеллектуальных задач. 

МОДЕЛЬ – ОБЪЕКТ, КОТОРЫЙ ОТРАЖАЕТ СУЩЕСТВЕННЫЕ СВОЙСТВА ДРУГОГО ОБЪЕКТА И ИСПОЛЬЗУЕТСЯ ВМЕСТО НЕГО

Моделирование

• Это создание и исследование моделей с целью прогнозирования изменения реального объекта

Практический пример

• Модель эпидемического заражения, при которой каждый больной встречается с 3 случайными здоровыми и заражает их, больной болеет ровно 3 дня, потом становится переболевшим, переболевшие больше не участвуют в распространении; на графике будет видно: сначала больных мало, потом резкий взлет заболевших (эпидемия) и затухание.

ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ (ИНС) — ЭТО МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПОСТРОЕННАЯ ПО ПРИНЦИПУ ОРГАНИЗАЦИИ И ФУНКЦИОНИРОВАНИЯ БИОЛОГИЧЕСКИХ НЕЙРОННЫХ СЕТЕЙ

Обучение на данных

• Не следует жестким инструкциям, а «тренируется» на тысячах примеров (изображения, текст, звук), самостоятельно настраивая миллионы внутренних коэффициентов (весов).

Данные

• Это закодированная информация, удобная для обработки, хранения и передачи при помощи компьютера

ГРАФ – ЭТО ИНФОРМАЦИОННАЯ МОДЕЛЬ, В КОТОРОЙ ОБЪЕКТЫ ПРЕДСТАВЛЕНЫ ВЕРШИНАМИ, А СВЯЗИ МЕЖДУ НИМИ РЕБРАМИ И ДУГАМИ

В направленном графе вершины соединены дугами (стрелками); вес вершины в направленном графе - это количество входящих в нее дуг

Математическое представление ИНС

• Нейросеть — это ориентированный граф (сеть), где: вершины (узлы) — это нейроны (искусственные клетки, которые хранят число); рёбра (дуги) — это связи между нейронами. Каждое ребро имеет вес (числовой коэффициент, показывающий силу связи); слои — группы вершин, лежащие на одном уровне (входной, скрытые, выходной).

ТИПЫ ОБУЧЕНИЯ ИНС

• Аппроксимация (регрессия) относится к обучению с учителем. Сеть обучается на парах «вход — желаемое непрерывное число». Цель — восстановить неизвестную математическую зависимость, то есть научиться предсказывать гладкие значения, такие как температура на завтра, цена акции или координаты объекта по зашумленному сигналу.
• Классификация также относится к обучению с учителем, здесь целевая переменная дискретна. Сеть обучается разбивать пространство признаков на классы по размеченным примерам.
• Кластеризация относится к обучению без учителя. В этом случае сеть работает с немаркированными данными, где нет правильных ответов. Её задача — самостоятельно обнаружить скрытую структуру и естественным образом сгруппировать похожие объекты в кластеры.

СОЗДАНИЕ, ХРАНЕНИЕ, РАЗВЕРТЫВАНИЕ ИНС

• Создание с нуля: разработчик самостоятельно строит архитектуру (количество слоев и нейронов) и запускает алгоритм обучения на размеченных данных.
• Создание дообучение: берется уже готовая мощная сеть, которая умеет, например, распознавать тысячи объектов, и доучивается на небольшом наборе специфических данных.
• Хранение (веса и архитектура): Готовая нейросеть существует в виде файла, который содержит два компонента: архитектура (структура связей) и веса (числовые коэффициенты, настроенные во время обучения).
• Развертывание (инференс): Процесс установки обученной модели в рабочую среду для получения предсказаний называется инференс. Нейросеть можно развернуть на сервере (облаке) для обработки запросов пользователей, интегрировать в мобильное приложение или запустить на периферийных устройствах.

НАПРАВЛЕНИЯ ИНС

Оптическое распознавание текста

• OCR, Optical Character Recognition — это технология, позволяющая преобразовывать различные типы документов, такие как отсканированные бумажные документы, PDF-файлы или фотографии текста, в редактируемые и поисковые данные.

Используемые методы

• OCR использует комбинацию технологий компьютерного зрения и машинного обучения для анализа и распознавания текста в изображениях.

НАПРАВЛЕНИЯ ИНС

Распознавание речи

• Технология, которая позволяет превращать устную речь в текст

Голосовой ассистент

• Программа или устройство, использующее технологии распознавания речи и искусственного интеллекта для выполнения команд, предоставления информации и управления другими устройствами на основе голосовых команд пользователя.

История развития искусственного интеллекта

Этап 1 (50–е годы) ( Нейрон и нейронные сети )

Он связан с появлением первых машин последовательного действия, с очень небольшими, по сегодняшним меркам, ресурсными возможностями по памяти, быстродействию и классам решаемых задач. Это были задачи  сугубо вычислительного характера, для которых были известны схемы решений и которые можно описать на некотором формальном языке. К этому же классу относятся и задачи на адаптацию.

Этап 2  (60-е годы) (  Эвристический поиск)

В «интеллект» машины добавились механизмы поиска, сортировки, простейшие операции по обобщению информации, не зависящие от смысла  обрабатываемых данных. Это стало новой точкой отсчета в развитии и понимании задач автоматизации деятельности человека.

История развития искусственного интеллекта

Этап 3 (70-е годы) (  Представление знаний)

Учеными была осознана важность  знаний  (по объему и содержанию) для синтеза интересных алгоритмов решения задач. При этом имелись в виду знания, с которыми математика не умела работать, т.е. опытные знания, не носящие строгого формального характера и описываемые обычно в декларативной форме. Это знания специалистов в различных областях деятельности, врачей, химиков, исследователей и т.п. Такие знания получили название экспертных знаний, и соответственно  системы, работающие на основе экспертных знаний, стали называться системами-консультантами или экспертными системами

Этап 4 (80-е годы) (  Обучающие машины)

Четвертый этап развития ИИ стал прорывным. С появлением экспертных систем в мире начался принципиально новый этап развития интеллектуальных технологий – эра интеллектуальных систем - консультантов, которые предлагали варианты решений, обосновывали их, способны были к обучению и к развитию, общались с человеком на привычном для него, хотя и ограниченном,  естественном языке.

История развития искусственного интеллекта

Этап 5 (90-е годы) (  Автоматизированные обрабатывающие центры)

Усложнение систем  связи и  решаемых   задач  потребовало качественно нового уровня «интеллектуальности» обеспечивающих  программных систем, таких систем, как  защита от несанкционированного доступа, информационная безопасность ресурсов, защита от нападений, смысловой анализ  и поиск информации в сетях и т.п. И новой парадигмой создания перспективных систем защиты всех видов стали интеллектуальные системы. Именно они позволяют создавать гибкие среды, в рамках которых обеспечивается решение всех необходимых задач.

Этап 6 (2000-е годы) (  Робототехника )

Область применения  роботов  достаточно широка и простирается от автономных газонокосилок и пылесосов до современных образцов военной и космической техники. Модели оборудованы навигационной системой и всевозможными периферийными датчиками.

История развития искусственного интеллекта

Этап 7  ( год 2008) (  Сингулярность )

Создание искусственного интеллекта и самовоспроизводящихся машин, интеграция человека с вычислительными машинами, либо значительное скачкообразное увеличение возможностей человеческого мозга за счёт биотехнологий.

По некоторым прогнозам, технологическая сингулярность может наступить уже около  2030 года . Сторонники теории технологической сингулярности считают, что если возникнет принципиально отличный от человеческого разум ( постчеловек ), дальнейшую судьбу цивилизации невозможно предсказать, опираясь на человеческое (социальное) поведение.

Задачи искусственного интеллекта

• Доказательства теорем;
• Распознавание образов;
• Робототехника;
• Моделирование игр;
• Инженерия знаний;
• Экспертные системы

Экспертные системы

В середине семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название экспертные системы.

Цель исследований по экспертным системам состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Экспертные системы

Существует несколько определений экспертных систем : 

Экспертная система  - программно-техническое средство, позволяющее пользователю в диалоговом режиме получать от компьютера консультационную помощь в конкретной предметной области, где сконцентрированы опыт и знания людей-экспертов (специалистов в данной области). 

Экспертные системы   – программы для компьютера, которые могут воспроизводить процесс решения проблемы человеком-экспертом.  

Экспертная система  - программа, которая использует знания специалистов (экспертов) о некоторой конкретной узко специализированной предметной области и в пределах этой области способна принимать решения на уровне эксперта - профессионала.  

Экспертные системы  - прикладные программы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области. 

Экспертная система  - программа для компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем.

Экспертные системы

К экспертным системам предъявляются следующие требования:

1)  Использование знаний, связанных с конкретной предметной областью;

2)  Приобретение знаний от эксперта;

3)  Определение реальной и достаточно сложной задачи;

4)  Наделение системы способностями эксперта.

Область применения экспертных систем

• Медицинская диагностика.
• Прогнозирование.
• Планирование .
• Интерпретация.
• Контроль и управление.
• Диагностика неисправностей в механических и электрических устройствах.
• Обучение.