Искусственный интеллект: краткий экскурс. Достижения искусственного интеллекта - Информационная безопасность - Cтатьи - Stas'M Corp.
Stas'M Corp.
Главная | Cтатьи | Регистрация | Вход
 
Пятница, 09.12.2016, 10:37
Приветствую Вас Гость | RSS
| ENG | RUS
Форма входа

Информация о тебе:

IP-адрес: 54.205.0.26
Браузер: Неизвестен
Основные разделы
Мини-чат
Loading Загрузка сообщений...
Наш опрос
Оцените мой сайт
Всего ответов: 1756
Главная » Статьи » Информационная безопасность

Искусственный интеллект: краткий экскурс. Достижения искусственного интеллекта
    Искусственный интеллект это довольно сложная многоплановая и имеющая широкие применения технология. Однако сравнивать ее с человеческим интеллектом невозможно и вот почему. Фактически что может делать компьютер? При всей своей навороченности он может лишь складывать (вычитание в нем реализовано как сложение отрицательных чисел) и производить простейшие логические операции И, ИЛИ, НЕ, ИСКЛЮЧАЮЩЕЕ ИЛИ. Он следует пассивно тексту программы, которая запускается на выполнение. А потому интеллекту в широком смысле слова там взяться неоткуда. Все возможности современного компьютера происходят из трех факторов:
1) Огромное количество видов данных может быть представлено в числовом виде
2) Быстродействие
3) Параллельность вычислений
Третий пункт пока задействован в недостаточной мере и требует более совершенных техник и технологий программирования, сетевых технологий, решение вопросов безопасности и т.д.

    Так что же такое искусственный интеллект? Это комплекс технологий, призванных находить наиболее оптимальное решение поставленных задач. Рассмотрим некоторые технологии ИИ.
1) Нейронные сети. Нейрон это нервная клетка. Работает она по принципу «все или ничего». Рассмотрим пример: рецептор, воспринимающий звуковые волны. Звуков огромное количество, но далеко не все из них мы слышим. Если перед человеком начать воспроизводить звук от самого начала диапазона его волн, то он ничего сначала не услышит, но вот мы достигли определенной частоты звука, нейрон тут же переключиться и сгенерирует электрический сигнал, который побежит по нервной системы до мозга. То есть пока, то явление, на которое настроен нейрон не достигнет некоторой критической величины никакой реакции не будет, как только достигнет нужной величины, нейрон прореагирует. Совершенно на том же принципе построены нейронные сети, ее программная единица то же нейрон среагирует и перейдет в сигнальное состояние в случае , если данные, поступающие ему на вход будут отвечать тем условиям, которые в него заложили и никак не с реагирует в обратном. Поэтому нейрон напоминает сложный микрокомпьютер, построенный как сумматор. Первыми моделями нейронов были прецептроны, которые то же реагировали на входные данные по принципу «все или ничего» для ускорения вводился еще скрытый уровень в прецептрон, который принимал данные от входов устройства , вел обработку этих данных и передавал на выходы. Однако при работе с этим устройством была серьезная проблема, чем больше было «нейронов» в прецептроне, тем труднее было управлять их взаимодействием и изменение состояние одного элемента прецептрона вело к быстрым и непредсказуемым изменениям в работе всего устройства. Это происходило из-за слишком сложных взаимозависимостей частей устройства. Однако при всех своих сложностях нейронные сети активно используются везде, где нужно решать задачу сопоставления с образцом (анализ изображения, анализ файлов на факт зараженности и определения типа заражения), так как НС решают такой класс задач весьма быстро и точно. Многие современные математические пакеты включают в себя средства проектирования нейронных сетей. Хотя наиболее примитивные нейронные сети нас учили делать в универе в Excel J.
2) Алгоритмы обучения с подкреплением. Этот алгоритм основан на том же принципе что и формирование условного рефлекса, а так же метода обучения. Сначала программу запускают на каком-то определенном наборе данных и она пытается решить задачу в алгоритм встроена возможность проверки того насколько правильный результат был достигнут в результате применения данного решения. Если он был достигнут, то он закрепляется, а если нет, то пытается изменить параметры работы алгоритмы, здесь важно что результаты работы алгоритма оцениваются внешним наблюдателем.
3) Обучение без надзора. А вот этот тип алгоритмов и технологий ИИ требует, чтобы сама система ИИ находила те критерии и методы, по которым надо проводить решение задачи. Это работает на практике, например в играх, где NPC могут изучать ваши действия, пытаясь в них найти слабые места и вашу тактику и стратегию. Вот, правда, бывают с этим методом смешные случаи. Однажды перед системой ИИ была поставлена задача: определить присутствие или отсутствие танков. Все было замечательно, и вдруг система отказывалась видеть танки на новых фотографиях на отрез. В чем дело? Оказывается: система различала фотографии не по изображению танка в ней, а по уровню освещенности, ведь фотографии делались в разное время суток.
4) Функции статистической оценки & альфа- и бета- обрезка.
Как компьютеры играют в шахматы? Сказать, что они играют простым перебором нельзя. В компьютерах используется метод статистической оценки, в чем его смысл? На основе анализа положения фигур и их возможностей им присваивается определенный рейтинг , затем рассчитывается общий рейтинг ситуации на доске для обеих играющих сторон при данном варианте игры. Отбрасываются те варианты, когда статистическая оценка для данной ситуации за играющего слишком уж низка, т.к. он не будет себе играть во вред, а так же отбрасываются те варианты, где статистическая оценка для компьютера слишком плоха. Из оставшегося множества игровых ситуаций выбирается та, у которой наибольший рейтинг для стороны, за которую играет компьютер. Так как структура, формирующееся при поиске хода компьютером является деревом, а ветви соответствующие плохим ходам просто далее не рассматриваются, что напоминает обрезку ветвей деревьев. Именно поэтому этот метод так и называют: альфа и бета обрезка.
5) Базы знаний и правила вывода. Системы автовывода. Иной род систем построен на том, что человек передает свои знания системе, специалист по работе с экспертной системой, которого называют инженер знаний, описывает специальным образом знания, которые передает эксперт. Описание знаний происходит при помощи теории предикатов, которая раскрывает взаимоотношения описываемых фактов и теории естественного вывода, которая позволяет выводить новые утверждения на базе известных. Вопросы представления знаний решает ТПЗ (теория представления знаний). Благодаря гибкости технологий ИИ он будет еще долго иметь первостепенное значение.

Проблемы искусственного интеллекта

    Однако не надо считать, что проблем в этой сфере нет. В этой области науки проблем море и работы хватит всем J. Первая проблема искусственного интеллекта это т.н. комбинаторный взрыв. Как известно в жизни бывает много ситуаций, которые на самых начальных этапах своего развития имеют огромное количество вариантов развития и компьютер просто не сможет все эти варианты просчитать из за ограниченности ресурсов. Но эту проблему помогают решать инструменты из пункта 4.
    Однако есть и еще одна серьезная проблема, которая пока служит серьезным препятствием на пути развития искусственного интеллекта. Наш мозг может анализировать и весьма произвольным образом ситуацию, которая складывается на данный момент времени, а вот компьютер сам такой сложный анализ проводить не может и зажат в тисках, заложенных в него алгоритмов. А наука алгоритмика столкнулась к тому же с целым рядом задач вообще не разрешимых в алгоритмах. Это так называемые NP задачи.
    Вот такой он ИИ: начиналось еще все исследований Фон Неймана, который первым задумался об этом вместе с А. Тьюрингом, а сейчас мы пришли к системам управляющими ходом боевых действий, системам распознавания рукописного текста, ускорителям системы. ИИ есть везде одним словом J.
Категория: Информационная безопасность | Добавил: Del_codez (15.03.2010) | Автор: Гуров Дмитрий
Просмотров: 5070 | Теги: оценка, Функции, Искусственный, сеть, статистическая, обучение, алгоритмы, интеллект, база, Тьюринг | Рейтинг: 5.0/2
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Веб приложения
Категории раздела
Корпоративный кооператив [12]
Юмор [4]
Смешные истории из жизни корпорации
Хорошие новости от Евгения [14]
Юмористический журнал
Информационная безопасность [16]
История [2]
Рецензии и обсуждения [2]
Пожертвование / Donate
WMWebMoney transferZ358077191062
WMWebMoney transferE208225402366
WMWebMoney transferR303537803958
WMWebMoney transferB345247247920
Reg.ruReg.ru transfer9900126333
WUWestern Union transferuse feedback form
BTCBitcoin transferuse feedback form
Друзья сайта

Просим вас посещать сайты наших друзей! Они достойны такого же внимания как и мы!

Пользователи
Онлайн всего: 1
Гостей: 1
Пользователей: 0

Пользователи онлайн:
Статистика
Рейтинг@Mail.ru
Проект ReactOS

Copyright © Stas'M Corp. 2016Хостинг от uCoz