Главное в содержательном модуле 6

1. Интеллектуализация экономики основана на применении различных моделей систем искусственного интеллекта.

Системы искусственного интеллекта, появившиеся на рубеже ХХ-ХХIвеков, позволяют с использованием обычных компьютеров и нейрокомпьютеров решать на принципиально новом уровне сложные экономические задачи.

2. Искусственный интеллект (ИИ) – это научное направление, целью которого является разработка компьютерных систем, моделирующих различные аспекты интеллектуальной деятельности человека.

3. В состав систем ИИ входят:

• экспертные системы;

• нечёткие системы;

• генетические алгоритмы;

• нейронные сети.

Каждая из систем указанных видов может использоваться как отдельно, так и совместно с другими, например, в виде нечёткой нейронной системы.

4. Искусственный интеллект – молодая наука. Математическая модель нейрона предложена в 1943г. В 1959 г. создается нейронная сеть, получившая название «персептрон», т.е. распознающий. Понятие нечетких множеств введено в 1965 г. В 1969 г. появляются экспертные системы. В 80-е годы разработан ряд нейронных сетей новой конфигурации, который обеспечил их доминирующий коммерческий успех.

В настоящее время указанные системы, совместно с генетическими алгоритмами, активно развиваются и все более широко внедряются.

5. Экспертные системы моделирую функции, выполняемые человеком на основе знаний, накопленных в некоторой узкой, т.е. предметной области.

Знания извлекаются из высокопрофессионального эксперта, помещаются в базу знаний компьютера и затем используются менее профессиональными специалистами. Экспертные системы имеют в своем составе два основных блока:

• базу знаний;

• машину логического вывода.

База знаний содержит факты и знания. Машина логического вывода на основе прямой или обратной цепочки рассуждений дает ответы на вопросы интересующие пользователя.

6. Знания в экспертной системе должны быть представлены в определенной форме. Существуют две категории методов представления знаний в экспертных системах: когнитивные и логические. К числу когнитивных относятся:

• продукционные модели;

• фреймы;

• семантические сети.

Логические методы основаны на использовании, в частности, логики предикатов.

Наиболее распространенной является продукционная модель в которой знания представляются с помощью правил типа:

ЕСЛИ (условие), ТО (заключение).

7. Нечеткие системы в качестве основных элементов имеют лингвистические переменные, т.е. словесные описания объектов, которыми обычно пользуется человек в процессе рассуждений.

Нечеткая информация и нечеткие знания в этих системах характеризуют принадлежность элемента к неопределенному, размытому множеству.

8. Генетические алгоритмы – это широкий класс алгоритмов, которые моделируют адаптивные методы поиска, используемые для решения задач функциональной и структурной оптимизации. Они основаны на принципах эволюции биологических организмов.

Основные принципы генетических алгоритмов сформулированы Дж. Голландом. Генетические алгоритмы моделируют процессы, происходящие в популяциях, приближенно. Эти процессы состоят в том, что в процессе конкуренции появляются новые поколения, которые обладают лучшими характеристиками по сравнению с предыдущими. В конечном итоге популяция сходится к решению. Главным преимуществом генетических алгоритмов является то, что они могут применятся для решения сложных задач.

9. Нейронные сети моделируют внутреннюю структуру нервной системы человека, в том числе головного мозга человека.

Основным элементами этой структуры являются нейроны и связи между ними, называемые синапсами. Нейроны, объединенные в определенную структуру, образуют нейронную сеть. Существует большое количество моделей нейронных сетей, имеющих самые различные конфигурации. Именно конфигурация определяет свойства нейронных сетей.

10. Нейронная сеть использует такие принципы работы человеческого мозга как:

• запоминание информации с помощью настройки коэффициентов синаптических связей, т.е. в виде так называемых синаптических матриц;

• работа на основе предварительного обучения и последующего распознавания ситуации;

• ассоциативная память, при которой объект определяется не по адресу, а по сходству объектов, их признаков, фрагментов и т.п.

11. Процесс решения задач с помощью нейросети разделяется на два этапа:

• обучение;

• воспроизведение.

Важным свойством нейронной сети является то, что обученная сеть способна, подобно человеку, воспроизводить на выходе эталонный образ, когда на вход поступает лишь его фрагмент, либо искаженный образ.