Языки искусственного интеллекта

В 90-х годах прошлого столетия планировалось появление компьютеров пятого поколения, называемых машинами "искусственного интеллекта". В качестве основных языков программирования в этом, пока неосуществленном, проекте предполагались языки искусственного интеллекта LISP и PROLOG.

Создателем языка LISP (1956-1959 гг.) является Джон Маккарти, которого называют отцом искусственного интеллекта. Именно он первым ввел термин "искусственный интеллект".

Основным в языке LISP является понятие рекурсивно определенных функций. Доказано, что любой алгоритм может быть описан с помощью некоторого набора рекурсивных функций.

Основные идеи этого языка были позже использованы в языке программирования для детей LOGO, разработанном в 70-е годы в Массачусетском технологическом институте под руководством Сэймура Пейперта.

Подмножество языка LOGO, включающее команды для Черепашки, применяется при раннем обучении программированию.

Язык PROLOG разработан во Франции в 1972 году также для решения проблем искусственного интеллекта. PROLOG позволяет в формальном виде описывать различные утверждения, логику рассуждений, заставляет компьютер давать ответы на заданные вопросы.

1952 - 1956 гг. Зарождение искусственного интеллекта

1956 - 1974 гг. Золотые годы искусственного интеллекта

1974 - 1980 гг. Упадок в развии ИИ

1980 - 1987 гг. Новый ажиотаж

1987 - 1993 гг. Упадок №2

1993 - 2011 гг. Первые практические успехи

2011 - н.в. Глубокое обучение, большие данные и сильный ИИ

Слабый ИИ. Примеры

Рис. 1.9.1. Слабый ИИ. Примеры

 

 

Сильный ИИ. Требования

Принятие решений в условиях неопределенности

Планирование

Самобучение

Общение на естественном языке

Сознание

Самосознание

Собственная мотивация

Общее представление о действительности

 

Применение ИИ в науке и технологии

• Умная лаборатория

• Генерация веществ с заданными свойствами

• Разработка механизмов их синтеза

• Автоматическое тестирование вариантов

• Формирование отчетов для исследователей

• ИИ в медицине

• Обработка результатов исследований

• Выявление на ранних стадиях и предупреждение заболеваний

• Разрабока индивидуальных планов лечения

• Ускоренная разработка лекарств

 

Применение ИИ в науке и технологии

• АСУТП

• Уменьшение человеческого фактора

• Увеличенная скорость отклика на изменения

• Может обрабатывать многомерную информацию

• Использует большое количество справочной информации

• САПР

• Уменьшает время на НИОКР

• Может находить несвойственные человеку решения

• Позволяет проводить “мягкие вычисления”

• Интеграция с современными технологиями изготовления деталей (например 3D печать)

 

Технологии создания ИИ

Модели машинного обучения:

• Линейная регрессия

• Логистическая регрессия

• Деревья решений

• Random Forests

• Нейронные сети

• и др.

Способы машинного обучения:

• Обучение с учителем

• Метод обратного распространения ошибки

• Метод опорных векторов

• Обучение без учителя

• Система подкрепления

• Метод ближайших соседей

• Обучение с подкреплением

• Генетические алгоритмы

• и др.

 

Нейронные сети

Искусственная нейронная сеть (ИНС) - математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма

ИНС представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов).

 

Рис. 1.9.2. Нейроны

 

Рис. 1.9.3. Функции активации

 

Классификация

По характеру обучения:

• С учителем

• Без учителя

• С подкреплением

По топологии:

• Однослойные

• Многослойные

• Рекуррентные

• Самоорганизующиеся карты

По характеру настройки синапсов:

• С фиксированными связями

• С динамическими связями

 

Классификация. По характеру обучения

С учителем	Без учителя	С подкреплением
способ обучения, в ходе которого испытуемая система принудительно обучается с помощью примеров «стимул-реакция»	способ обучения, при котором испытуемая система спонтанно обучается выполнять поставленную задачу без вмешательства со стороны экспериментатора	способ обучения, в ходе которого испытуемая система (агент) обучается, взаимодействуя с некоторой средой

Табл. 1.9.1. Классификация. По характеру обучения