Курс лекцій
з дисципліни "Інтелектуальні системи"
Лекція 1. Основи інтелектуальних систем (2 год.)
План
Перспективні дослідження і розробки з інтелектуальних систем
2. Предмет дослідження штучного інтелекту.
3. Інформація, дані та знання.
4. Алгоритми.
5. Архітектура систем штучного інтелекту.
6. Функціональна структура використання CШІ.
7. Класифікація ІІС.
1. Перспективні дослідження і розробки з інтелектуальних систем
Комп’ютерні системи стають банальністю. Дійсно, вони майже повсюдні. Вони є найважливішим компонентом у функціонуванні бізнесу, урядового, військового, навколишнього середовища, установах охорони здоров’я і є частиною багатьох освітніх програм навчання. Ці комп’ютерні системи, все більш і більш впливаючи на наше життя мають бути спроможними швидко адаптуватися, змінюватись та допомагати нам і нашим установам справлятися з непередбаченими можливостями світу.
Національна конкурентноздатність залежить від можливостей доступу, обробки та аналізу інформації. Аналіз і передача даних за допомогою комп’ютера надали нам велику кількість інформації. Однак, щоб досягти повного співробітництва, комп’ютерні системи повинні вміти більше, ніж обробляти інформацію, але і мати інтелект. Вони повинні кваліфіковано зберігати й використовувати великі обсяги інформації й ефективно допомагати людям знаходити нові шляхи рішення проблем, використовуючи більш природні засоби комунікації.
Щоб перебороти обмеження існуючих систем, потрібно зрозуміти шляхи і способи взаємодії людей між собою і зі світом, розробити методи для з’єднання людського інтелекту і комп’ютерних систем. Для вирішення цього призначені аналітичні технології.
Аналітичні технології – це методики, які на основі певних моделей, алгоритмів, математичних теорем дозволяють при відомих початкових даних оцінити значення невідомих характеристик і параметрів. Найпростіший приклад аналітичної технології - теорема Піфагора, що дозволяє по довжинах сторін прямокутника визначити довжину його діагоналі. Ця технологія заснована на відомій формулі с2=а2+b2.
Іншим прикладом аналітичної технології є способи, за допомогою яких людський мозок обробляє інформацію. Навіть мозок дитини може вирішувати задачі, непідвласні сучасним комп’ютерам, такі як розпізнавання знайомих облич у юрбі, чи ефективне керування декількома десятками м’язів при грі у футбол. Унікальність мозку полягає в тому, що він здатен навчатися рішенню нових задач - грі в шахи, водінню автомобіля і т.д. Проте, мозок погано пристосований до обробки великих обсягів числової інформації - людина не зможе знайти навіть квадратний корінь з числа 463761, не використовуючи калькулятора або алгоритму обчислення в стовпчик. На практиці ж часто зустрічаються задачі про числа, набагато більш складні, ніж добування кореня. Таким чином, людині для рішення таких задач необхідні додаткові методики й інструменти.
Призначення аналітичних технологій
Аналітичні технології потрібні в першу чергу людям, що приймають важливі рішення - керівникам, аналітикам, експертам, консультантам. Дохід компанії у великому ступені визначається якістю цих рішень – точністю прогнозів, оптимальністю обраних стратегій.
Прогнозування:
курсів валют;
цін на сировину;
попиту;
доходу компанії;
рівня безробіття;
числа страхових випадків.
Оптимізація:
розкладів;
маршрутів;
плану закупівель;
плану інвестицій;
стратегії розвитку.
Як правило, для реальних задач бізнесу й виробництва не існує чітких алгоритмів рішення. Зазвичай керівники й експерти вирішували такі задачі тільки на основі особистого досвіду. Часто класичні методики виявляються малоефективними в багатьох практичних задачах. Це пояснюється тим, що неможливо досить точно описати реальність за допомогою невеликого числа параметрів моделі, або розрахунок моделі займає занадто багато часу та обчислювальних ресурсів, а за допомогою аналітичних технологій будуються системи, що дозволяють істотно підвищити ефективність рішень.
Традиційні технології Детерміновані технології
Аналітичні технології типу теореми Піфагора використовуються людиною вже багато століть. За цей час була створена величезна кількість формул, теорем і алгоритмів для рішення класичних задач – визначення об’ємів, рішення систем лінійних рівнянь, пошуку коренів багаточленів. Розроблено складні й ефективні методи для рішення задач оптимального керування, рішення диференційних рівнянь і т.д. Всі ці методи діють за однією і тією ж схемою.
Для застосування алгоритму необхідно, щоб дана задача цілком описувалася визначеною детермінованою моделлю (деяким набором відомих функцій і параметрів). У такому випадку алгоритм дає точну відповідь. Наприклад, для застосування теореми Піфагора потрібно перевірити, що трикутник - прямокутний.
Імовірнісні технології
На практиці часто зустрічаються задачі, пов’язані зі спостереженням випадкових величин - наприклад, задача прогнозування курсу акцій. Для подібних задач не можна побудувати детерміновані моделі, тому застосовується принципово інший, імовірнісний підхід.
Параметри імовірнісних моделей - це розподіли випадкових величин, їхні середні значення дисперсії і т.д. Як правило, ці параметри заздалегідь невідомі, а для їхньої оцінки використовуються статистичні методи, що застосовуються до вибірок спостережених значень (історичних даних).
—
Такого роду методи припускають, що відома деяка ймовірнісна модель задачі. Наприклад, у задачі прогнозування курсу можна припустити, що завтрашній курс акцій залежить тільки від курсу за останні 2 дні (авто регресійна модель). Якщо це вірно, то спостереження курсу протягом декількох місяців дозволяють досить точно оцінити коефіцієнти цієї залежності і прогнозувати курс у майбутньому.
Нові технології
В останні 10 років іде активний розвиток аналітичних систем нового типу. В їх основі - технології штучного інтелекту, що імітують природні процеси, наприклад, такі як діяльність нейронів мозку або процес природного відбору.