32. Понятие и задачи искусств. Интеллекта (ии).

Интеллект – спос-сть познавать понятия, кот. не зав-т от опыта. ИИ – ветвь информатики, осн. задачей кот. явл. исслед-ние возм-ти решения машинным способом трудных для чел-ка задач. ИИ– возм-ть решения задач, кот. не удавалось решить чел-ку, машин. способом. Осн. проблемой ИИ явл. методы представления и обработки знаний. Знания – обобщенная формализован. инф-ция о св-вах и законах предметной области. Базы знаний предназ-ны для хранения экспертных знаний о предметн. области.

Центральн. задачи ИИ: сделать комп-р более полезным, понять принципы, лежащие в основе интеллекта. Для этого необходимо знать, каким образом ИИ м. помочь специалистам в разл. предметн. областях в разрешении трудных проблем.

Осн. области применения ИИ: док-тво теорем, игры, распознавание образов, принятие решений, адаптивное програм-ние, сочинение машин. музыки, обработка данных на естеств. языке, обучающиеся сети (нейросети).

К осн. задачам ИИ относятся: 1) игровые прог-мы (стохастические, компьют. игры); 2) естественно-языковые прог-мы – машин. перевод, генерация текстов, обработка речи; 3) распознающие прог-мы – распознавание почерков, изображений, карт; 4) прог-мы создания и анализа графики, живописи, музыкальных произведений.

Направления ИИ: 1. Экспертные сис-мы (ЭС) и сис-мы поддержки принятия решений (СППР). 2. Нейронные сети (НС). 3. Естеств.-языковые сис-мы (ЕЯ-системы). 4. Эволюцион. методы или генетические алгоритмы. 5. Нечеткие множества. 6. Сис-мы извлечения знаний. 7. Создание интеллект. агентов.

В наст. время шир. распространение получили ЭС, СППР и НС.

В общем случае функциональная структура использования ИИ состоит из 3-х компонент (комплексов): исполнительная сис-ма, нтеллект. интерфейс пользователя, база знаний.

Исполнит. сис-ма (ИС) - сов-сть средств, выполняющих программы, спроектированных с позиций эффективного решения задач; имеет в ряде случаев проблемную ориентацию. ИС объединяет всю сов-сть средств, обеспечивающих выполнение сформированной программы.

Интеллект. интерфейс – система программных и аппаратных средств, обеспечивающих для конечного пользователя исп-ние комп-ра для решения задач, кот. возникают в среде его профессион. деят-сти либо без посредников либо с незначит. их помощью.

База знаний (БЗ) обеспечивает исп-ние вычислит. средствами первых 2-х комплексов целостной и независимой от обрабатывающих программ системы знаний о проблемной среде. БЗ занимает центр. положение по отношению к остальн. компонентам вычислит. системы в целом, через БЗ осущ-тся интеграция средств.

33. Направления использования систем ии.

Направ-ния ИИ: 1.Экспертн. сис-мы (ЭС) и сис-мы поддержки принятия решений (СППР). 2.Нейрон. сети (НС). 3.Естеств.-языков. сис-мы (ЕЯ-сис-мы).4.Эволюц. методы /генетич. алгоритмы. 5.Нечетк. множ-ва. 6. Сис-мы извлечения знаний. 7. Создание интелл. агентов.

ЭС – интелл. вычислит. сис-ма, в кот. включены знания опытн. спец-тов (экспертов) о нек. предметн. обл-ти, и кот. в пределах этой обл-ти способна принимать экспертн. решения (давать советы, ставить диагнозы). ЭС ориент-ны на решение задач: 1) не имеющих четк. алгоритма решения; 2) содержащих больш. объем плохо структурир. инф-ции, имеющих противоречив. данные; 3) требующих больш. объем операт. памяти при огранич. временном ресурсе.

СППР–сис-мы, обес-щие лиц, приним-щих реш-ния(ЛПР), необход. для их принятия данными, знаниями, выводами и/или реком-циями. Сущность СППР: предостав-ние возм-сти ЛПР оценить или ранж-ть альтер. варианты решения. Реш-е о выборе альтер-вы приним-т чел-к.

НС – сов-ть связан. узлов, модел-щих структуру биолог. нейрона. НС делятся на: 1)сети общ. назн-ния, кот. настраиваются на решение конкр. задач; 2) объектно-ориентир-ные – исп-мые для распознания символов, управ-ния произ-вом, предсказания сит-ций на вал. рынках; 3) гибридные – исп-мые вместе с опред. ПО (Excel, Lotus). Обл-ти применения НС: - распознание ручн. и печатн. шрифтов, чтение текстов; - контроль кач-ва на произ-ве, клас-ция дефектов; - фин. анализ и прогн-ние инвестиц. проектов, курса валют и цен. бумаг.

ЕЯ-системы осущ-т: 1) интерфейс к БД (представление ЕЯ запросов в SQL-запросы); 2) ЕЯ поиск в текстах, содержательн. сканир-ние текстов (исп-ся в поисковых сис-мах Internet); 3) масштабируем. ср-ва распознавания речи (портативн. синхрон. переводчики); 4) ср-ва голосов. ввода команд и управ-ния (безлюдн. произ-ва); 5) компаненты речев. обраб-ки, как сервисн. ср-ва ПО.

Эволюц. методы, методы нечетк. множеств и сис-мы извлечения знаний обычно примен-ся как инструмент. оболочки в ЭС и СППР.

Генетич. алгоритм (ГА) (эволюц. методы) – осущ-т огромный перебор разл. значений и сужает их до оптим. множества решений, представл-ных в виде хромосом, а гены определяют параметры этих задач (матем. интерпретация генно-хромосомн. теории наследств-сти)

Компоненты ГА: хромосомы, включающие гены. Имеется начальная популяция хромосом. С пом. набора операторов осущ-ся генерация новых решений из пред. популяции. Имеется целевая функция для оценки приспособленности решений. Над генами м. выпол-ся разл. операции: перестановки, мутации, селекции и др. ГА позволяют накапливать удачные решения для отдельных подсистем.

Нечетк. множества (НМ) - обраб-ка нечетк. (стахостич./ вероятностных) данных; реал-ся логическ. операции «OR-или», «AND-и», «NOT-не». НМ задает какую-н. группу объектов, каждый из кот. опред-ся вероят-тью принадлеж-ти к этому множеству. НМ исп-ся при описании неопредел. ситуаций в обл-ти фин-сов, управ-нии произ-вом, инвестицион. анализе и проект-нии СППР.

Сис-мы извлечения знаний: 1. Тех-гии «Хранилищ данных» (ХД). Цель построения ХД: интег-ция, актуализация и соглас-ние операт. данных из разнородн. источ-ков для форм-ния един. непротивор. взгляда на объект управ-ния в целом. На основе ХД возможно состав-ние отчет-ти для руков-ва, анализ данных с пом. OLAP-тех-гий и интелл. анализ данных. 2.OLAP-тех-гии–тех-гии комплексн. многомерн. анализа данных; включают: разнов-ти архит-ры «клиент-сервер», анализ времен. рядов, объектную ориен-цию и оптим-цию хранения данных, паралл. процессы обраб-ки и т.д. 3. Интелл. анализ данных(Data Mining)–процесс ППР, основан. на поиске в данных скрытых зак-тей (шаблонов инф-ции). 5 типов зак-тей: ассоц-ция, послед-ть, клас-ция, кластер-ция, прогноз-ние. 4. Управ-ние знаниями (Knowledge Management)–установлен. в корпорации формальн. порядок работы с инф-ми ресур-ми для облегчения доступа к знаниям и повторн. их исп-ния с пом. соврем. инф-ных тех-гий. 5. Познават. (когнитивн.) модел-ние ситуаций ориент-но на конкр. условия развития ситуаций в стране, регионе или городе: полит. и эк. устойчивочть, ментальность нас-ния и власти, открыт-ть рынка, полнота нормат. базы.