23. Понятие системы искусственного интеллекта (ии). Направления использования систем искусственного интеллекта (ии) в экономике. Роль и место систем ии в информационных системах.

Интеллект-ум, рассудок, разум, мыслительные способности человека. Термин artificial intelligence означает умение рассуждать разумно.

Основные области применения ИИ: - Доказательства теорем;- Игры;- Распознавание образов;- Принятие решений;- Адаптивное программирование;- Сочинение машинной музыки;- Обработка данных на естественном языке;- Обучающиеся сети нейросети.

Отдельные интеллектуальные способности человека могут быть автоматизированы путём создания систем искусственного интеллекта.

Искусственный или машинный интеллект-свойство автоматизированных или автоматических систем брать на себя отдельные функции интеллекта человека. Например, системы, способные выбирать и принимать оптимальное решение на основе ранее полученного опыта и рационального анализа внешних воздействий.

Нейросеть-это связанный, ориентированный граф, моделирующий организацию и функции нервных клеток и центральной нервной системы.

Экспертная система-это система искусственного интеллекта, которая включает в себя базу знании с набором правил и механизмом вывода, позволяющие на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решение и давать рекомендации для выбора действий. В основе любой экспертной системы находится обширный запас знаний о конкретной предметной области. Эти знания организуются при помощи некоторой совокупности правил, которые позволяют делать заключения на основе исходных данных или предложений. Традиционно любая ЭС в общем виде может быть представлена так: Данные + Алгоритм = Программа Однако в настоящее время традиционное соотношение заменяет­ся на новое представление, основу которого составляют база знаний и "машина логического вывода". Таким образом, архитектуру ЭС можно представить в виде следующей схемы: Знания + Машина логического ввода = ЭС

24. Математические методы и модели искусственного интеллекта: нечеткая логика, генетические алгоритмы, нейронные сети и др.

Иску́сственные нейро́нные се́ти (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса[1]. После разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.

Нечёткие множества — реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений.

Генетические алгоритмы — это методы анализа данных, которые невозможно проанализировать стандартными методами. Как правило, используются для обработки больших объёмов информации, построения прогнозных моделей. Используются в научных целях при имитационном моделировании.