28. Математические модели и аппаратно-программная реализация систем ии

31. Использование ии в экономике. Интеллектуальный анализ данных. Управления знаниями.

Искусственный интеллект – это наука о концепциях. позволяющих вычислительным машинам делать такие вещи, которые у людей выглядят разумными. Основная задача искусственного интеллекта – сделать вычислительные системы максимально полезными и понять принципы, лежащие в основе интеллекта. Искусственный интеллект применяется в областях: доказательство теорем, игры, распознавание образов, принятие решений, адаптивное программирование – это разбор различных ситуаций, сочинение машинной музыки, обработка данных на естественном языке, обучающие сети (нейросети), вербальное концептуальное обучение.

1. Нейронные сети

Совершенствует алгоритмы обучения и классифицируется в масштабах online. Обрабатывает естественные языки, распознает изображения любого типа, речь, сигналы. Работает над созданием модели интеллектуального интерфейса. Может подстраиваться под пользователя. В экономике применяется в сфере финансового прогнозирования, диагностики систем, контроль за деятельностью сетей, раскопка данных и шифрование данных. В последнее время акцент делается на поиск эффективных методов синхронизации работы сетей.

2. Эволюционные вычисления (ЭВ)

а) затрагивают вопросы самосборки, самоконфигурации системы. Используются достижения из области цифровых автоматов.

б) автономный агент в качестве персональных секретарей, управляющий личными счетами, планировщик работ, личный учитель, виртуальный продавец, ассистент, отбирающий нужные данные. Основным направлением развития являются: выработка стандартов и открытых архитектур, разработка интеллектуальных оболочек, языков (сценариев) запроса. И методологий эффективного взаимодействия программ и людей. Нечеткая логика:применяется в гибридных управляющих системах. Используются в диапазоне не более- не менее и т.д., а также обязательны уточнени

ИАД – процесс поддержки принятия решений, основанный на поиске данных скрытых закономерностей, накопленные сведения обобщаются до информации, каждая характеризуется как знание.

В ыделяют промежуточную стадию проверки достоверностей найденных закономерностей между их нахождением и использованием – называется стадия валидации.

Методы ИАД рассмотрим более подробно.

Проблема группы 1: трудно использовать большие объемы данных. Но анализ больших хранилищ данных приносит максимальный результат.

Проблемы группы 2: данные более компактны. при этом полученные конструкции могут быть интерпретируемы (прозрачными) либо

неконтролируемыми.

32. Формализуемые и не формализуемые задачи принятия решений.

Структурированная (формализуемая) задача. В структурированной задаче удается выразить ее содержание в форме математической модели, имеющей точный алгоритм решения. Подобные задачи обычно приходится решать многократно, и они носят рутинный характер. Целью использования информационной системы для решения структурированных задач является полная автоматизация их решения, то есть сведение роли человека к нулю.Например, в информационной системе необходимо реализовать задачу расчета заработной платы. Это структурированная задача, где полностью известен алгоритм решения. Рутинный характер этой задачи определяется тем, что расчеты всех начислений и отчислений весьма просты, но объем их очень велик, так как они должны многократно повторяться ежемесячно для всех категорий работающих. Неструктурированная (неформализуемая) задача. Решение неструктурированных задач из-за невозможности создания математического описания и разработки алгоритма связано с большими трудностями. Возможности использования информационной системы здесь невелики. Решение в таких случаях принимается человеком из эвристических соображений на основе своего опыта и, возможно, косвенной информации из разных источников.