29. Математические модели и методы искусственного интеллекта.

Искусственный интеллект реализуется на базе 4х подходов:

1. Логический подход (основой служит булева алгебра и ее логич операторы, в первую очередь, оператор IF (если). Практически каждая система ИИ, построенная на логич принципе, представляет собой машину док-ва теорем. При этом исходные данные хранятся в БД в виде аксиом, а правила логического вывода – как отношения между ними. Для больш-ва логич методов характерна большая трудоемкость, поскольку во время поиска доказ-ва возможен полный перебор вариантов. Поэтому данный подход требует эффективной реализ-ии вычислит-го процесса, хорошие рез-ты достигаются при небольшом размере базы знаний). Пример - деревья решений и нечеткая логика;

2. Эволюционное моделирование (представляет собой универсальный способ построения прогнозов состояний системы в условиях задания их предыстории. Общая схема алгоритма эволюции включает задание исходной организации системы, случайные мутации, отбор для дальнейшего развития той орг-ии, кот явл-ся лучшей в рамках некоторого критерия. Поиск оптимальной структуры происходит случайно и нецеленаправленно, что затягивает процесс, но обеспечивает наилучшее приспособление к изменяющимся условиям);

3. Имитационный подход (это система, в кот внешнему наблюдателю доступны лишь входные и выходные величины, а структура и внутр процессы неизвестны).

4. Структурный подход (построение систем ИИ путем моделирования структуры человеческого мозга).

Нейросетевое моделирование применяется в бизнесе, медицине, технике, геологии, физике, где нужно решать задачи прогнозирования, классификации или управления. В основе лежит идея построения вычислительного устройства из большого числа параллельно работающих простых элементов – формальных нейронов, которые функционируют независимо друг от друга и связаны между собой однонаправленными каналами передачи информации. Искусственные нейронные сети (ИНС) – это математические модели и их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. Ядром нейросетевых представлений явл-ся идея о том, что каждый отдельный нейрон можно моделировать простыми функциями. Вся сложность мозга, гибкость его функционирования и др важнейшие кач-ва опред-ся связями между нейронами. ИНС позволяет воспроизводить сложные, нелинейные по своей природе, зависимости. Как правило, искусственная нейронная сеть используется, когда неизвестны виды связей между входами и выходами. Для того, чтобы сеть можно было применять в дальнейшем, ее надо «натренировать» на полученные ранее данные, для кот известны и значения входных параметров, и правильные ответы на них.

Для моделей, построенных по аналогии с человеч мозгом, характерны простое распараллеливание алгоритмов и связанная с этим высокая производит-ть, не слишком высокая выразительность представленных результатов, не способствующая извлечению новых знаний о моделируемой среде. Основное использование этих моделей – прогнозирование.