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.