Технологии искусственного интеллекта. Понятие, общая характеристика, назначение

Характерной особенностью технологий искусственного интеллекта является возможность работы с неточными данными, при этом достигается точность, достаточная для практического применения, а от пользователя не требуется специальных математических знаний.

Основными средствами, реализующими технологии искусственного интеллекта являются: экспертные системы, нейросети, генетические алгоритмы, системы нечеткой логики и др.

Экспертные системы воспроизводят осознанные мыслительные усилия человека – эксперта в соответствующей предметной области. Центральный элемент экспертной системы - база знаний, которая отражает знания специалиста-эксперта в соответствии с какой-либо моделью (деревья вывода, деревья целей, семантические сети и т.д.).

Нейросети реализуют попытки моделирования взаимодействия нейронов аналогично их функционированию в мозге человека. В основе построения искусственных нейросетей лежит подход, реализующий логически функционирующую систему, состоящую из большого числа связанных между собой простых элементов. Настройка нейросети сводится к определению структурированной совокупности элементов и значения коэффициентов, определяющих степень связей между конкретными элементами. Нейронные сети эффективны для выявления нелинейных закономерностей в отсутствии точных начальных знаний, когда традиционные методы не позволяют найти приемлемое решение.

Технологии генетических алгоритмов позволяют решать различные комбинаторные задачи и задачи оптимизации. Поиск оптимального решения рассматривается, как процесс эволюции, где используются три механизма:

- отбор «сильнейших» наборов, которым соответствуют наилучшие решения;

- операции скрещивания, т.е. производство новых наборов путем смешивания атрибутов отобранных наборов;

- операции мутации, позволяющие отследить случайные изменения у некоторых наборов.

Технологии нечеткой логики позволяют проанализировать целесообразность применения тех или иных правил из большого числа потенциально возможных правил при решении задач динамического управления в условиях существенных временных ограничений. Применение нечеткой логики позволяет в большей мере оперировать качественными параметрами, отражающими основные особенности функционирования объектов при неточных данных, описывающих их поведение. Это позволяет обеспечить приемлемый уровень точности в условиях значительной неопределенности.

Дата добавления: 2014-01-04