- •1.Комп инф технологии в упр-и эк объектом
- •2. Понятие инф с-мы.
- •3. Виды обесп-й инф с-м.
- •6. Треб-я предъявл-е к кис:
- •7. Понятие инф рес-а
- •8. Инф обесп-е кис.
- •9. Гос программы информатизации рб
- •10. Программа «Электронная Беларусь»
- •11.Закон «Об информатике, информатизации и защите информации»
- •12. Технические средства корпоративных информационных систем.
- •13. Системное программное обеспечение
- •14. Выбор аппаратно-программной платформы кис
- •15. Перспективы развития техн ср-в и сист по кис
- •16. Корпоративные комп. Сети.
- •17. Администрирование комп-х инф сетей.
- •18. Internet/Intranet технологии в кис
- •19. Технология «клиент-сервер» в кис
- •20. Классификация кис: mrp- система, erp- система.
- •21. Состояние рынка программного обеспечения в Республике Беларусь. Бел прогр продукты
- •22. Основные принципы функционирования пк «Галактика».
- •23. Интерфейс пк «Галактика»
- •24. Настройка пк «Галактика»
- •25. Управление материальными потоками в пк «Галактика»
- •26. Учет закупок в пк «Галактика»
- •27. Управление продажами.
- •28. Работа с персоналом в пк Галактика
- •29. Учет труда и заработной платы в пк "Галактика"
- •30. Осн принципы работы с прогр системой «1с:Предприятие»
- •Исполнение
- •31. Пользовательский интерфейс пс «1с: Предприятие»
- •33. Учет материалов в «1с: Предприятие»
- •35. Автоматизация учета труда и з/пл в «1с: Предприятие»
- •36. Классификация угроз инф. Безопасности
- •38. Понятие концепции без-ти предпр
- •39. Модели жизненного цикла кис
- •40. Стадии и этапы проектирования кис
- •41. Методы прект-ния кис
- •42. Принципы проектирования кис
- •46. Назн-е эксп-х систем как систем иск интеллекта.
- •44. Понятие системы искусственного интеллекта
- •43. Реинжиниринг бизнес-процессов и его роль в создании кис
- •45. Осн напр-я применения систем иску интеллекта
- •48. Перспективы развития систем иск интеллекта
45. Осн напр-я применения систем иску интеллекта
Создание систем, имитирующих ИД чел-а, трад-о развивается по двум напр-ям.
Первое напр-е преследует цель создания систем, стр-ра, ф-ции и закономерности деят-ти кот полностью копируют чел мозг. В рамках этого напр-я создаются нейронные сети, полностью повт-щие стр-ру чел мозга. Первоначально иссл-ли, раб-щие в рамках этого напр-я, не получали практически значимых рез-тов и это напр-е многие годы представляло лишь теорет-й интерес. Однако в последнее время все чаще появл-ся сообщения о практически действующих комп-ах или их частях, основанных на нейронных сетях. Такие разработки нашли практ-ое применение в системах распознавания образов, медицине, космической и военной пром-ти.
Второе напр-е исп-ет трад-ю элем-ю базу и трад-ю вычислит технику для имитации, модел-ния ИД чел-а. Именно эти разработки в наст вр получили широкое практ-ое применение.
Системы ИИ разделяются на две группы: широкого назн-я и системы спец назн-я. Системы первого класса предн-ы для решения любых возникающих в узкой предм обл задач, алгоритм решения кот не определен или неизвестен. К таким системам, в первую очередь относят экспертные системы, способные анализ-ть поставленную задачу, оценивать исходные данные, генерировать алгоритм решения задачи, исходя из знаний об окружающей действ-ти, сведений, хранящихся в базах данных, приобретенного опыта, диалога с польз-лем.
Системы второго класса - это спец-о созданные прогр системы для решения одной задачи. Пр-рами таких систем могут служить системы распознавания образов, системы машинного перевода, системы распознавания устной речи, программы игры в интел игры (шахматы), интел роботы и т.п.
Совр подход ориент-н на создание смешанных человеко-машинных, или, как еще говорят, интерактивных ИС, на симбиоз возм-тей ест и ИИ. Важнейшими проблемами в этих иссл-ях явл- оптимальное распределение ф-ций между ест и ИИ и орг-ция диалога между чел-ом и машиной.
В наст вр сущ-ют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение. Чрезвычайно важным св-вом их явл присущие чел-у спос-ть к обучению и адаптации.
Одной из наиб интересных интел задач явл задача распознавания образов. Решением ее занимались и продолжают заниматься предст-ли разл-х наук — физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практ-ого исп-ния рез-тов теор-х иссл-ий: читающие автоматы; экспертные системы, ставящие мед диагнозы; проводящие криминал-ую экспертизу и др.
Проблема обучения распознаванию тесно связана с другой интел задачей — проблемой перевода с одного языка на др, а также обучения машины языку. При достаточно формальной обработке и класс-ции осн грамматических правил и приемов пользования словарем можно создать вполне удовл-ный алгоритм для перевода научного или делового текста. Для некот языков такие системы были созданы еще в конце 60-х г. Однако для того, чтобы связно перевести достаточно большой разговорный (лит-ный) текст, необх-о понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Пока имеются лишь программы, обесп-щие диалог между человеком и машиной на урезанном ест языке (некот проф диалекте). Именно такие системы обесп-ют ест-языковой интерфейс в сложных человеко-машинных системах.