Штучний
інтелект — дуже молода область досліджень, започаткована 1956 року.
Її історичний шлях нагадує коливання синусоїди, кожен «зліт» якої
ініціювався деякою новою ідеєю. На сьогодні її розвиток перебуває на «спаді»,
поступаючись застосуванню вже досягнутих результатів в інших областях науки, промисловості, бізнесі та
навіть повсякденному житті.
Підходи
до розуміння проблеми осягнення ШТУЧНОГО
ІНТЕЛЕКТУ
Єдиної
відповіді на питання чим займається штучний інтелект (ШІ), не існує. Майже
кожен автор, який пише книгу про штучний інтелект, відштовхується від якогось
визначення, розглядаючи в його світлі досягнення цієї науки. Зазвичай ці
визначення зводяться до наступних:
- штучний інтелект вивчає методи розв'язання задач, які потребують людського розуміння. Грубо кажучи мова іде про те, щоб навчити ШІ розв'язувати тести інтелекту. Це передбачає розвиток способів розв'язання задач за аналогією, методів дедукції та індукції, накопичення базових знань і вміння їх використовувати.
- штучний інтелект вивчає методи розв'язання задач, для яких не існує способів розв'язання або вони не коректні (через обмеження в часі, пам'яті тощо). Завдяки такому визначенню інтелектуальні алгоритми часто використовуються для розв'язання NP-повних задач, наприклад, задачі комівояжера.
- штучний інтелект займається моделюванням людської вищої нервової діяльності.
- штучний інтелект — це системи, які можуть оперувати з знаннями, а найголовніше — навчатися. В першу чергу мова ведеться про те, щоби визнати клас експертних систем (назва походить від того, що вони спроможні замінити «на посту» людей-експертів) інтелектуальними системами.
Останній
підхід, що почав розвиватися з 1990-х
років, називається агентно-орієнтованим підходом. Цей підхід акцентує увагу
на тих методах і алгоритмах, які допоможуть інтелектуальному агенту виживати в довкіллі під час виконання свого
завдання. Тому тут значно краще вивчаються алгоритми пошуку і прийняття рішення.
Існують різні методи створення систем штучного інтелекту. У наш
час можна виділити 4 досить різних методи:
1.
Логічний
підхід. Основою для вивчення
логічного підходу слугує алгебра логіки. Кожен програміст знайомий з нею з того часу, коли він вивчав
оператор IF. Свого подальшого розвитку алгебра логіки отримала у вигляді числення предикатів — в якому вона
розширена за рахунок введення предметних символів, відношень між ними. Крім
цього, кожна така машина має блок генерації цілі, і система виводу намагається
довести дану ціль як теорему. Якщо ціль досягнута, то послідовність
використаних правил дозволить отримати ланцюжок дій, необхідних для реалізації
поставленої цілі (таку систему ще називають експертною системою). Потужність такої системи
визначається можливостями генератора цілей і машинного доведення теорем. Для
того щоб досягти кращої виразності логічний підхід використовує новий напрям,
його назва — нечітка логіка. Головною відмінністю цього
напряму є те, що істинність вислову може приймати окрім значень так/ні (1/0) ще
й проміжне значення — не знаю (0.5), пацієнт швидше за все живий, ніж
мертвий (0.75), пацієнт швидше за все мертвий, ніж живий (0.25). Такий підхід
подібніший до мислення людини, оскільки вона рідко відповідає так або ні.
2.
Під структурним
підходом ми розуміємо спроби побудови ШІ шляхом моделювання структури
людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Головною моделюючою
структурною одиницею в перцептронах (як і в більшості інших варіантах
моделювання мозку) є нейрон. Пізніше виникли й інші моделі, відоміші
під назвою нейронні мережі (НМ) і їхні
реалізації — нейрокомп'ютери. Ці моделі відрізняються за
будовою окремих нейронів, за топологією зв'язків між ними і алгоритмами
навчання. Серед найвідоміших в наш час[Коли?] варіантів
НМ можна назвати НМ зі зворотнім розповсюдженням помилки, сітки Кохонена, сітки Хопфілда, стохастичні нейрони сітки.
У ширшому розумінні цей підхід відомий як Конективізм. Відмінності між логічним та
структурним підходом не стільки принципові, як це здається на перший погляд.
Алгоритми спрощення і вербалізації нейронних мереж перетворюють
моделі структурного підходу в явні логічні моделі.[1] З
іншої сторони, ще в 1943 році Маккалок і Піттс показали, що нейронна сітка може
реалізувати будь-яку функцію алгебри логіки[2].
3.
Еволюційний
підхід. Під час побудови
системи ШІ за даним методом основну увагу зосереджують на побудові початкової
моделі, і правилам, за якими вона може змінюватися (еволюціонувати). Причому модель може бути створена за найрізноманітнішими
методами, це може бути і НМ, і набір логічних правил, і будь-яка інша модель.
Після цього ми вмикаємо комп'ютер і він, на основі перевірки моделей відбирає
найкращі з них, і за цими моделями за найрізноманітнішими правилами генеруються
нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм.
4.
Імітаційний
підхід. Цей підхід є
класичним для кібернетики з одним із її базових понять чорний ящик. Об'єкт, поведінка якого імітується, якраз і являє
собою «чорний ящик». Для нас не важливо, які моделі в нього всередині і як він
функціонує, головне, щоби наша модель в аналогічних ситуаціях поводила себе без
змін. Таким чином тут моделюється інша властивість людини — здатність
копіювати те, що роблять інші, без поділу на елементарні операції і формального
опису дій. Часто ця властивість економить багато часу об'єктові, особливо на
початку його життя.
У рамках гібридних інтелектуальних систем намагаються об'єднати
ці напрямки. Експертні правила висновків можуть генеруватися нейронними
мережами, а породжуючі правила отримують з допомогою статистичного вивчення.
Багатообіцяючий новий підхід, який ще називають підсилення інтелекту,
розглядають досягнення ШІ в процесі еволюційної розробки як поточний ефект
підсилення людського інтелекту технологіями.
БАЗА
ДАНИХ –
це сукупність програмних засобів, що забезпечують пошук, зберігання і запис
інформаційних одиниць заданої структури (даних, повідомлень,
відомостей,роз’яснень) в пам'яті електронно-обчислювальної машини( ЕОМ).
Предметна область БАЗИ ДАНИХ
Приклад системи керування базами даних (СКБД)
МОДЕЛІ БАЗ ДАНИХ
ІЄРАРХІЧНА БАЗА ДАНИХ
·
ІЄРАРХІЧНА БАЗА
ДАНИХ – це база даних, в якій між
інформаційними одиницями введені відносини виду "Елемент-клас",
"тип-підтип" і т.п., за допомогою яких утворюються ієрархічні
класифікації зберігаються в базі інформаційних одиниць.
Приклади
РЕЛЯЦІЙНА БАЗА ДАНИХ
·
РЕЛЯЦІЙНА
БАЗА ДАНИХ - це база даних, в
якій інформаційні одиниці пов'язані між собою відносинами типу "один до
одного", забезпечені атрибутами і для подання відносин використовується
запис у вигляді таблиць.
МЕРЕЖНА БАЗА ДАНИХ
·
МЕРЕЖНА
БАЗА ДАНИХ – це база даних,
в якій інформаційні одиниці пов'язані між собою відносинами типу "один до
одного", "один до багатьох" і "багато до багатьох".
· БАЗА ДАНИХ ЕКСТЕНСІОНАЛЬНОСТІ – це база даних, в якій зберігаються лише константні факти про зовнішній світ.
ПОНЯТТЯ ПРО БАЗУ ЗНАНЬ ШТУЧНОГО ІНТЕЛЕКТУ
БАЗА
ЗНАНЬ –
це сукупність програмних засобів, що забезпечують пошук, зберігання, перетворення
і запис в пам'яті електронно-обчислювальної техніки складно структурованих
інформаційних одиниць (знань).
Види бази даних:
·
ВІДКРИТА
БАЗА ЗНАНЬ –
це база знань, що дозволяє в процесі її функціонування поповнювати вміст бази і
прибирати знання з бази. Властивість відкритості призводить до того, що
висновок в такій базі є немонотонним, тобто істинність виведених в ній
тверджень може змінюватися в процесі роботи системи з такою базою.
·
ЗАМКНУТА
БАЗА ЗНАНЬ - це база знань,
вміст якої в процесі функціонування не змінюється. Логічний висновок в такій
базі еквівалентний висновку у формальній системі і має властивість монотонності,
тобто раніше виведені затвердження залишаються вірними на весь період
функціонування замкнутої бази знань.
Приклад БАЗИ ЗНАНЬ:
Приклад БАЗИ ЗНАНЬ:
ФАЙЛИ БАЗИ ЗНАНЬ:
- розповідь учителя - аудіо,
- демонстраційний експеримент - мультимедіа;
- лабораторні досліди - відео;
- робота з опорною схемою - графічний файл;
- Періодична система хімічних елементів Д. І. Менделєєва,
- таблиця розчинності, - таблиця;
- таблиця ряду активності металів, - таблиця;
- хімічні реактиви - відео.
·
ІНТЕНСІОНАЛЬНА БАЗА ЗНАНЬ – це база знань,
в якій описані загальні закономірності, характерні для деякої проблемної
області, а також способи постановки і вирішення завдань у цій області.