Интеллектуальные системы

1. Что такое интеллектуальная система и чем она отличается от обычной информационной системы?

Интеллектуальная система - это такая программа, которая не просто хранит или обрабатывает данные, а умеет анализировать, делать выводы и принимать решения, почти как человек. Обычная информационная система просто выполняет команды, а интеллектуальная сама думает.

2. Какова основная структура интеллектуальной системы и ее ключевые компоненты?

Обычно есть три части: база знаний, механизм вывода и интерфейс.

3. Что представляет собой база знаний и какова ее роль?

Это набор правил, фактов и логики, которые система использует для рассуждений.

4. Какие существуют способы представления знаний?

Правила, семантические сети, фреймы, логика, нейронные сети.

5. Что такое продукционные правила и где применяются?

Это правила вида "если X, то Y". Используются в экспертных системах.

6. Разница между фреймами и семантическими сетями.

Сети показывают связи, фреймы представляют объекты через свойства.

7. Принцип работы механизма вывода.

Он берет правила и делает логические шаги, чтобы получить решение.

8. Что такое экспертная система?

Программа, которая имитирует работу специалиста.

9. Примеры экспертных систем.

MYCIN, DENDRAL, XCON.

10. Что такое машинное обучение?

Обучение модели на данных. Виды: с учителем, без учителя, с подкреплением.

11. Различия между видами обучения.

С учителем - есть ответы. Без - поиск закономерностей. С подкреплением - награды.

12. Основные алгоритмы.

Регрессия, деревья, kNN, нейронные сети, SVM, k-means.

13. Что такое переобучение?

Модель хорошо учит старые данные, но плохо новые. Лечится регуляризацией, упрощением.

14. Этапы подготовки данных.

Очистка, нормализация, кодирование, разделение.

15. Цель валидации модели.

Понять качество модели. Методы: accuracy, recall, F1, MSE, кросс-валидация.

16. Что такое Data Mining?

Поиск закономерностей в данных.

17. Отличия классификации и кластеризации.

Классификация - известные классы. Кластеризация - группировка без меток.

18. Ассоциативные правила.

Связи вроде "кто покупает хлеб, берет и масло".

19. Использование ИИ в бизнесе.

Аналитика, прогнозы, автоматизация.

20. Что делают DSS?

Помогают принимать решения.

21. Отличия CRM, ERP и BI.

CRM - клиенты. ERP - управление компанией. BI - аналитика.

22. Что такое Generative AI?

ИИ, создающий контент: текст, картинки, музыку.

23. Суть AutoML.

Автоматизация выбора модели и параметров.

24. Что такое мультиагентные системы?

Системы, где много взаимодействующих агентов.

25. Этические проблемы.

Приватность, дискриминация, фейки.

26. Почему важна прозрачность решений?

Чтобы человек понимал, почему ИИ сделал вывод.

27. Ответственность за ошибки ИИ.

Разработчики, владельцы или организация.

28. Международные регулирования.

ООН, ЕС, OECD, ЮНЕСКО.

29. Влияние ИИ на профессию.

Растет спрос на специалистов по данным и ИИ.

30. Перспективы развития ИИ.

Больше автоматизации, роботов, умных систем.