История развития искусственного интеллекта

И его региональные особенности

Проблемы формирования современного рынка труда

Чебоксары 2008

РЫНКА ТРУДА И ЕГО РЕГИОНАЛЬНЫЕ ОСОБЕННОСТИ

ПРОБЛЕМЫ ФОРМИРОВАНИЯ СОВРЕМЕННОГО

Васинев И.И.

Учебное пособие

Образец оформления оборота титульного листа

УДК

ББК

Рекомендовано к изданию Редакционно-издательским советом филиала Санкт-Петербургского государственного инженерно-экономического университета в г. Чебоксары

РЕЦЕНЗЕНТЫ:

главный научный сотрудник Института труда Минтруда Российской Федерации, доктор экономических наук, профессор, заслуженный экономист Российской Федерации Ю. П. Кокин;

заведующий кафедрой экономики и социологии труда Всероссийского заочного финансово-экономического института, доктор экономических наук, профессор В. В. Адамчук.

Редактор: д.т.н., профессор Иванов И.И.

И. И. Васинев Проблемы формирования современного рынка труда и В…его региональные особенности. Учебное пособие. Филиал СПбГИЭУ в

г. Чебоксары: 2008, 178 с.

В учебном пособии рассматриваются теоретические проблемы формирования рынка труда, его основные типы и модели, принципы регулирования процессов, характерные для современного его состояния. Показаны особенности развития региональных рынков труда на примере Чувашской Республики.

Предназначено для научных работников, специалистов служб занятости, аспирантов, преподавателей и студентов экономических вузов, а также специалистов предприятий по организации труда.

© И. И.Васинев, 2008

© Филиал СПбГИЭУ в г. Чебоксары,

Ядринское шоссе, д.3, 2008

Образец оформления последнего листа

УЧЕБНОЕ ИЗДАНИЕ

ВАСИНЕВ ИВАН ИВАНОВИЧ

Учебное пособие

Редактор_________________________

Технический редактор______________

Корректор________________________

Подписано в печать _________________.

Формат 60х84/16. Бумага офсетная.

Печать оперативная. Усл.п.л.__________.

Тираж _______ экз.

Филиал Санкт-Петербургского государственного инженерно-экономического университета в г. Чебоксары, Ядринское шоссе, д.3

Идея искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в древнем Египте была создана «оживающая» механическая статуя бога Амона. У Гомера в «Илиаде» бог Гефест ковал человекоподобные существа – автоматы. Однако родоначальником искусственного интеллекта (ИИ) считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать механическую машину для решения различных задач, на основе разработанной им всеобщей классифика­ции понятий. В XVIII веке Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта.

Окончательное рождение искусственного интеллекта, как научного направления, произошло только после создания ЭВМ в 40-х годах ХХ века. В это же время Норберт Винер создал свои основополагающие работы по новой науке – кибернетике. Термин “искусственный интеллект” был впервые предложен в 1956 г. на семинаре с аналогичным названием в Дартмутском колледже (США).

В нашей стране началом исследований в направлении искусственного интеллекта принято считать семинар “Автоматы и мышление”, начавший свою работу в МГУ в 1954 г. под руководством академика Ляпунова А.А. Впоследствии, в 60-80х годах исследования в области искусственного интеллекта происходили в рамках школы ситуационного управления, основателем которой был проф. Поспелов Д.А. В 1974 году при Комитете по системному анализу при президиуме АН СССР был создан Научный совет по проблеме “Искусственный интеллект”. В 1988 г. была создана АИИ – Ассоциация искусственного интеллекта, членами которой являются более 300 исследователей. В рамках Ассоциации проводится большое количество исследований, организуются школы для молодых специалистов, семинары, симпозиумы, издается научный журнал.

Исторически сложились три основных подхода в моделировании ИИ.

В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

2. Основные направления искусственного интеллекта

В настоящее время в исследованиях по искусственному интеллекту выделились шесть основных направлений:

1. ^ Представление знаний. В рамках этого направления решаются задачи, связанные с формализацией и представлением знаний в памяти системы ИИ. Для этого разрабатываются специальные модели представления знаний и языки описания знаний, внедряются различные типы знаний. Проблема представления знаний является одной из основных проблем для системы ИИ, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти.

2. ^ Манипулирование знаниями. Чтобы знаниями можно было пользоваться при решении задачи, следует научить систему ИИ оперировать ими. В рамках данного направления разрабатываются способы пополнения знаний на основе их неполных описаний, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели рассуждений, опирающихся на знания и имитирующих особенности человеческих рассуждений. Манипулирование знаниями очень тесно связано с представлением знаний, и разделить эти два направления можно лишь условно.

3. Общение. В круг задач этого направления входят: проблема понимания и синтеза связных текстов на естественном языке, понимание и синтез речи, теория моделей коммуникаций между человеком и системой ИИ. На основе исследований в этом направлении формируются методы построения лингвистических процессов, вопросно-ответных систем, диалоговых систем и других систем ИИ, целью которых является обеспечение комфортных условий для общения человека с системой ИИ.

4. Восприятие. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, создание средств для порождения зрительных сцен на основе внутренних представлений в системах ИС.

5. Обучение. Для развития способности систем ИИ к обучения, т.е. к решению задач, с которыми они раньше не встречались, разрабатываются методы формирования условий задач по описанию проблемной ситуации или по наблюдению за ней, методы перехода от известного решения частных задач (примеров) к решению общей задачи, создание приемов декомпозиции исходной задачи на более мелкие и уже известные для систем ИИ. В этом направлении ИИ сделано еще весьма мало.

6. Поведение. Поскольку системы ИИ должны действовать в некоторой окружающей среде, то необходимо разрабатывать некоторые поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами ИИ и людьми. Это направление в ИИ разработано очень слабо.

Прямо или косвенно проблемы искусственного интеллекта затрагивают следующие области научной и практической деятельности:

·
системы, основанных на знаниях (экспертные системы)

·
естественно-языковые и интеллектуальные интерфейсы и машинный перевод;

·
анализ данных (data mining) и поиск закономерностей в хранилищах данных;

·
системы поддержки принятия решений;

·
системы прогнозирования

·
распознавание речи и образов;

·
нейроинформатика и нейронные сети;

·
генетические алгоритмы;

·
многоагентные системы;

·
нечеткая логика и мягкие вычисления.

3. Некоторые необходимые понятия

Не́йроинформа́тика — область научных исследований, лежащая на пересечении нейронаук и информатики. В сферу нейроинформатики входит сбор результатов, полученных в ходе нейробиологических исследований, перевод этих результатов в формат баз данных для их последующего анализа с помощью вычислительных моделей и специализированных компьютерных аналитических программных инструментов, обеспечение совместимости между базами данных, форматами моделей и другими коллекциями данных для облегчения обмена информацией о различных аспектах функционирования и строения нервных систем.

Нейронная сеть (биологическая нейронная сеть) — совокупность нейронов, которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции. Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программная или аппаратная реализация, построенная 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 У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.

Генети́ческий алгори́тм (англ. genetic algorithm) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

Многоагентная система (МАС, англ. Multi-agent system) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы (англ.). Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, и моделирование социальных структур.

Нечёткая логика (англ. fuzzy logic, иногда размытая, расплывчатая, туманная, путанная) — раздел математики, являющийся обобщением классической логики и теории множеств, базирующийся на понятии нечёткого множества, впервые введённого Лотфи Заде в 1965 году как объекта с функцией принадлежности элемента к множеству, принимающей любые значения в интервале , а не только 0 или 1. На основе этого понятия вводятся различные логические операции над нечёткими множествами и формулируется понятие лингвистической переменной, в качестве значений которой выступают нечёткие множества. Предметом нечёткой логики считается исследование рассуждений в условиях нечёткости, размытости, сходных с рассуждениями в обычном смысле, и их применение в вычислительных системах.

Дата добавления: 2014-11-29