- •3) 1. Формы представления информации
- •6) Правила перевода целых чисел
- •7) Единицы измерения количества информации.
- •Сверх-Truecolor
- •Телевизионный цвет
- •13) Понятие о принципах работы эвм. Понятие о программном управлении работой компьютера.
- •Физическая и логическая структура магнитных дисков
- •Экранное покрытие
- •Частота вертикальной развертки
- •Частота горизонтальной развертки
- •Шаг точек
- •Допустимые углы обзора
- •Классификация
- •Системное по
- •Прикладное по
- •Расширение имени файла
- •Имя файла
- •Операции с файлом
- •Операции, связанные с открытием файла
- •Операции, не связанные с открытием файла
- •Классификация по модели данных
- •Классификация по среде постоянного хранения
- •Классификация по содержимому
- •Классификация по степени распределённости
- •Другие виды бд
- •Сверхбольшие базы данных
- •Применение баз знаний
- •Базы знаний и интеллектуальные системы
- •Модели и методы исследований Символьное моделирование мыслительных процессов
- •Работа с естественными языками
- •Представление и использование знаний
- •Машинное обучение
- •Биологическое моделирование искусственного интеллекта
- •Робототехника
- •Машинное творчество
- •Другие области исследований
- •Современный искусственный интеллект
- •24) Язык ассемблера
- •Основные понятия
- •Определение ооп и его основные концепции
- •Сложности определения
- •Концепции
- •Особенности реализации
- •26) Операторы ввода-вывода и преобразования информации
- •28) . Что такое компьютерный вирус
- •2. Функционирование вирусов.
- •3. Резидентные вирусы.
- •4. Опасные и неопасные вирусы.
- •4.1. Неопасные вирусы.
- •4.2. Опасные и очень опасные вирусы.
- •5. Заражаемые объекты.
- •5.1. Файловые вирусы.
- •5.2. Загрузочные вирусы.
- •5.3. Вирусы, заражающие драйверы.
- •5.4. Вирусы, заражающие командные файлы.
- •5.5. Вирусы, заражающие документы Word для Windows.
- •5.6. Вирусы, заражающие другие объекты.
- •6. Что вирус не может заразить.
- •7. Антивирусные программы.
- •7.1. Виды антивирусных программ.
- •7.2. Использование антивирусных программ.
- •7.3. Антивирусные комплексы.
- •7.4. Обновление антивирусных программ.
- •8. Действия при заражении вирусом.
- •8.1. Симптомы заражения вирусом.
- •8.2. Пять правил при заражении компьютера вирусом.
- •9. Раннее обнаружение вируса.
- •10. Выяснение сведений о вирусе.
- •11. Удаление вирусов.
- •12. Что могут и чего не могут компьютерные вирусы.
- •12.1. Вирусофобия.
- •12.2. И её последствия.
- •13. Что могут вирусы.
- •14. Чего вирусы не могут.
- •15. Методы маскировки вирусов.
- •15.1. Невидимые вирусы.
Представление и использование знаний
Основная статья: Инженерия знаний
Основная статья: Представление знаний
Направление инженерия знаний объединяет задачи получения знаний из простой информации, их систематизации и использования. Это направление исторически связано с созданием экспертных систем — программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.
Производство знаний из данных — одна из базовых проблем интеллектуального анализа данных. Существуют различные подходы к решению этой проблемы, в том числе — на основе нейросетевой технологии[15], использующие процедуры вербализации нейронных сетей.
Машинное обучение
Основная статья: Машинное обучение
Проблематика машинного обучения[16] касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ[17]. В 1956 году, на Дартмундской летней конференции, Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя, назвав её: «Индуктивная машина вывода»[18].
Обучение без учителя — позволяет распознать образы во входном потоке. Обучение с учителем включает также классификацию и регрессионный анализ. Классификация используется, чтобы определить, к какой категории принадлежит образ. Регрессионный анализ используется, чтобы в рядах числовых примеров входа/выхода и обнаружить непрерывную функцию, на основании которой можно было бы прогнозировать выход. При обучении агент вознаграждается за хорошие ответы и наказывается за плохие. Они могут быть проанализированы с точки зрения теории решений, используя такие понятия как полезность. Математический анализ машинных алгоритмов изучения — это раздел теоретической информатики, известный как вычислительная теория обучения (англ. Computational learning theory).
К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования (см. след. пункт). Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.
Биологическое моделирование искусственного интеллекта
Основная статья: Квазибиологическая парадигма
|
Имеется проект исследования в викиверситете по теме «RNAFoldingAI» - проект разработки программного обеспечения молекулярного моделирования РНК, с элементами искусственного интеллекта. |
Отличается от понимания искусственного интеллекта по Джону Маккарти, когда исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и протекающие в ней процессы, присущие биологическим системам. Сторонники данного подхода считают, что феномены человеческого поведения, его способность к обучению и адаптации есть следствие именно биологической структуры и особенностей её функционирования.
Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы — агента, взаимодействующего с внешней средой, называется агентным подходом.