Mappa dell'applicazione delle tecnologie di intelligenza artificiale: medicina, istruzione, trasporti e altri settori. Aree di applicazione dell'intelligenza artificiale

La definizione di intelligenza artificiale citata nel preambolo, data da John McCarthy nel 1956 in una conferenza all'Università di Dartmouth, non è direttamente correlata alla comprensione dell'intelligenza umana. Secondo McCarthy, i ricercatori dell’intelligenza artificiale sono liberi di utilizzare tecniche non viste negli esseri umani se necessario per risolvere problemi specifici.

Allo stesso tempo, esiste un punto di vista secondo il quale l'intelligenza può essere solo un fenomeno biologico.

Come sottolinea il presidente della filiale di San Pietroburgo dell'Associazione russa per l'intelligenza artificiale T. A. Gavrilova, in inglese la frase intelligenza artificiale non ha quelle sfumature antropomorfiche leggermente fantastiche che ha acquisito nella traduzione russa piuttosto infruttuosa. Parola intelligenza significa "capacità di ragionare razionalmente", e non "intelligenza", per la quale esiste un analogo inglese intelligenza .

I partecipanti all'Associazione Russa di Intelligenza Artificiale danno le seguenti definizioni di intelligenza artificiale:

Una delle particolari definizioni di intelligenza, comune all’uomo e alla “macchina”, può essere formulata così: “L’intelligenza è la capacità di un sistema di creare programmi (principalmente euristici) durante l’autoapprendimento per risolvere problemi di una certa classe di complessità e risolvere questi problemi”.

Prerequisiti per lo sviluppo della scienza dell'intelligenza artificiale

La storia dell'intelligenza artificiale come nuova direzione scientifica inizia a metà del XX secolo. A questo punto, molti prerequisiti per la sua origine si erano già formati: tra i filosofi c'erano stati a lungo dibattiti sulla natura dell'uomo e sul processo di comprensione del mondo, neurofisiologi e psicologi avevano sviluppato una serie di teorie riguardanti il lavoro del cervello umano e pensando, economisti e matematici hanno posto domande sui calcoli ottimali e sulla presentazione della conoscenza del mondo in una forma formalizzata; infine, nacquero le fondamenta della teoria matematica dei calcoli - la teoria degli algoritmi - e furono creati i primi computer.

Le capacità delle nuove macchine in termini di velocità di calcolo si sono rivelate maggiori di quelle umane, quindi nella comunità scientifica è sorta la domanda: quali sono i limiti delle capacità dei computer e le macchine raggiungeranno il livello di sviluppo umano? Nel 1950, uno dei pionieri nel campo dell’informatica, lo scienziato inglese Alan Turing, scrisse un articolo intitolato “Can a Machine Think?” , che descrive una procedura mediante la quale sarà possibile determinare il momento in cui una macchina diventa uguale a una persona in termini di intelligenza, chiamata test di Turing.

Storia dello sviluppo dell'intelligenza artificiale in URSS e Russia

In URSS, il lavoro nel campo dell’intelligenza artificiale iniziò negli anni ’60. Numerosi studi pionieristici furono condotti presso l'Università di Mosca e l'Accademia delle Scienze, guidati da Veniamin Pushkin e D. A. Pospelov. Dall'inizio degli anni '60, M. L. Tsetlin e i suoi colleghi hanno sviluppato problemi relativi all'addestramento delle macchine a stati finiti.

Nel 1964 fu pubblicato il lavoro del logico di Leningrado Sergei Maslov, "Il metodo inverso per stabilire la derivabilità nel calcolo dei predicati classici", in cui fu il primo a proporre un metodo per la ricerca automatica di dimostrazioni di teoremi nel calcolo dei predicati.

Fino agli anni ’70 in URSS tutta la ricerca sull’intelligenza artificiale veniva condotta nell’ambito della cibernetica. Secondo D. A. Pospelov, le scienze “informatica” e “cibernetica” a quel tempo erano mescolate a causa di una serie di controversie accademiche. Solo alla fine degli anni '70 nell'URSS si cominciò a parlare della direzione scientifica dell'“intelligenza artificiale” come branca dell'informatica. Allo stesso tempo, nasce l’informatica stessa, subordinando la sua antenata “cibernetica”. Alla fine degli anni '70 furono creati un dizionario esplicativo sull'intelligenza artificiale, un libro di consultazione in tre volumi sull'intelligenza artificiale e un dizionario enciclopedico sull'informatica, in cui sono incluse le sezioni "Cibernetica" e "Intelligenza artificiale", insieme ad altre sezioni, in informatica. Il termine "informatica" si diffuse diffusamente negli anni '80 e il termine "cibernetica" scomparve gradualmente dalla circolazione, rimanendo solo nei nomi di quelle istituzioni sorte durante l'era del "boom cibernetico" tra la fine degli anni '50 e l'inizio degli anni '60. Questa visione dell’intelligenza artificiale, della cibernetica e dell’informatica non è condivisa da tutti. Ciò è dovuto al fatto che in Occidente i confini di queste scienze sono leggermente diversi.

Approcci e direzioni

Approcci per comprendere il problema

Non esiste una risposta univoca alla domanda su cosa fa l’intelligenza artificiale. Quasi ogni autore che scrive un libro sull'intelligenza artificiale parte da qualche definizione, considerando i risultati di questa scienza alla sua luce.

AI top-down), semiotica - creazione di sistemi esperti, basi di conoscenza e sistemi di inferenza logica che simulano processi mentali di alto livello: pensiero, ragionamento, parola, emozioni, creatività, ecc.;
Bottom-Up AI), biologico - lo studio delle reti neurali e dei calcoli evolutivi che modellano il comportamento intelligente basato su elementi biologici, nonché la creazione di sistemi informatici corrispondenti, come un neurocomputer o un biocomputer.

Quest'ultimo approccio, in senso stretto, non appartiene alla scienza dell'intelligenza artificiale nel senso dato da John McCarthy: sono uniti solo da un obiettivo finale comune.

Il test di Turing e l'approccio intuitivo

Questo approccio si concentra su quei metodi e algoritmi che aiuteranno un agente intelligente a sopravvivere nel suo ambiente mentre svolge il suo compito. Quindi, qui gli algoritmi per trovare un percorso e prendere decisioni vengono studiati con molta più attenzione.

Approccio ibrido

Approccio ibrido lo presume soltanto la combinazione sinergica di modelli neurali e simbolici raggiunge l'intera gamma di capacità cognitive e computazionali. Ad esempio, le regole di inferenza esperta possono essere generate da reti neurali e le regole generative vengono ottenute utilizzando l’apprendimento statistico. I sostenitori di questo approccio ritengono che i sistemi informativi ibridi saranno molto più forti della somma dei vari concetti separatamente.

Modelli e metodi di ricerca

Modellazione simbolica dei processi di pensiero

Analizzando la storia dell'intelligenza artificiale, possiamo identificare un'area così ampia come ragionamento modellante. Per molti anni, lo sviluppo di questa scienza si è mosso proprio lungo questo percorso, e ora è una delle aree più sviluppate dell'intelligenza artificiale moderna. Il ragionamento di modellazione prevede la creazione di sistemi simbolici, il cui input è assegnato a un determinato compito e l'output richiede la sua soluzione. Di norma, il problema proposto è già stato formalizzato, cioè tradotto in forma matematica, ma o non ha un algoritmo di soluzione, oppure è troppo complesso, richiede tempo, ecc. Quest'area comprende: dimostrare teoremi, prendere decisioni E teoria del gioco, pianificazione e dispacciamento, previsione.

Lavorare con i linguaggi naturali

Una direzione importante è elaborazione del linguaggio naturale, all'interno del quale viene effettuata l'analisi delle capacità di comprensione, elaborazione e generazione di testi in linguaggio “umano”. Questa direzione mira a elaborare il linguaggio naturale in modo tale che si possa acquisire conoscenza in modo indipendente leggendo il testo esistente disponibile su Internet. Alcune applicazioni dirette dell'elaborazione del linguaggio naturale includono il recupero delle informazioni (incluso il deep text mining) e la traduzione automatica.

Rappresentazione e uso della conoscenza

Direzione ingegneria della conoscenza combina i compiti di ottenere conoscenza da informazioni semplici, la loro sistematizzazione e utilizzo. Questa direzione è storicamente associata alla creazione sistemi esperti- programmi che utilizzano basi di conoscenza specializzate per ottenere conclusioni affidabili su qualsiasi problema.

La produzione di conoscenza dai dati è uno dei problemi fondamentali del data mining. Esistono vari approcci per risolvere questo problema, compresi quelli basati sulla tecnologia delle reti neurali, utilizzando procedure di verbalizzazione della rete neurale.

Apprendimento automatico

Problemi apprendimento automatico riguarda il processo indipendente acquisizione della conoscenza da parte di un sistema intelligente nel processo del suo funzionamento. Questa direzione è stata centrale fin dall’inizio dello sviluppo dell’intelligenza artificiale. Nel 1956, alla conferenza estiva di Dartmund, Ray Solomonoff scrisse un rapporto su una macchina per l'apprendimento probabilistico senza supervisione, chiamandola "La macchina di inferenza induttiva".

Robotica

Creatività della macchina

Un discorso a parte merita lo studio dei problemi di creatività tecnica dei sistemi di intelligenza artificiale. La teoria della risoluzione dei problemi inventivi, proposta nel 1946 da G. S. Altshuller, segnò l'inizio di tale ricerca.

L'aggiunta di questa funzionalità a qualsiasi sistema intelligente consente di dimostrare molto chiaramente cosa percepisce esattamente il sistema e come lo comprende. Aggiungendo rumore invece di informazioni mancanti o filtrando rumore con la conoscenza disponibile nel sistema, produce immagini concrete da conoscenze astratte facilmente percepibili da una persona, questo è particolarmente utile per conoscenze intuitive e di scarso valore, la cui verifica in un la forma formale richiede uno sforzo mentale significativo.

Altri ambiti di ricerca

Infine, ci sono molte applicazioni dell'intelligenza artificiale, ognuna delle quali forma una direzione quasi indipendente. Gli esempi includono l'intelligenza di programmazione nei giochi per computer, il controllo non lineare, i sistemi intelligenti di sicurezza delle informazioni.

In futuro si presume che lo sviluppo dell'intelligenza artificiale sarà strettamente connesso con lo sviluppo di un computer quantistico, poiché alcune proprietà dell'intelligenza artificiale hanno principi di funzionamento simili a quelli dei computer quantistici.

Si può notare che molti ambiti di ricerca si sovrappongono. Questo è tipico di ogni scienza. Ma nell’intelligenza artificiale, la relazione tra aree apparentemente diverse è particolarmente forte, e questo è associato al dibattito filosofico sull’IA forte e debole.

Intelligenza artificiale moderna

Si possono distinguere due direzioni di sviluppo dell’IA:

risolvere i problemi associati all'avvicinamento dei sistemi di intelligenza artificiale specializzati alle capacità umane e alla loro integrazione, che è realizzata dalla natura umana ( vedi Miglioramento dell'intelligenza);
la creazione dell'intelligenza artificiale, che rappresenta l'integrazione dei sistemi di intelligenza artificiale già creati in un unico sistema in grado di risolvere i problemi dell'umanità ( vedi Intelligenza artificiale forte e debole).

Ma al momento, il campo dell’intelligenza artificiale vede il coinvolgimento di molte aree tematiche che hanno con l’IA una relazione pratica piuttosto che fondamentale. Sono stati testati molti approcci, ma nessun gruppo di ricerca si è ancora avvicinato all’emergere dell’intelligenza artificiale. Di seguito sono riportati solo alcuni degli sviluppi più famosi nel campo dell’intelligenza artificiale.

Applicazione

Alcuni dei sistemi di intelligenza artificiale più famosi sono:

Le banche utilizzano sistemi di intelligenza artificiale (AI) nelle attività assicurative (matematica attuariale), quando giocano in borsa e nella gestione immobiliare. I metodi di riconoscimento di pattern (comprese sia le reti più complesse e specializzate che quelle neurali) sono ampiamente utilizzati nel riconoscimento ottico e acustico (compresi testo e parlato), nella diagnostica medica, nei filtri antispam, nei sistemi di difesa aerea (identificazione del bersaglio), nonché per garantire un una serie di altri compiti di sicurezza nazionale.

Psicologia e scienze cognitive

La metodologia di modellazione cognitiva è progettata per analizzare e prendere decisioni in situazioni non definite. È stato proposto da Axelrod.

Si basa sulla modellazione delle idee soggettive degli esperti sulla situazione e include: una metodologia per strutturare la situazione: un modello per rappresentare la conoscenza dell'esperto sotto forma di un digramma segnato (mappa cognitiva) (F, W), dove F è l'insieme dei fattori della situazione, W è l'insieme delle relazioni di causa-effetto tra i fattori della situazione; metodi di analisi della situazione. Attualmente, la metodologia della modellazione cognitiva si sta sviluppando nella direzione di migliorare l'apparato per analizzare e modellare la situazione. Vengono qui proposti modelli di previsione dell'evoluzione della situazione; Metodi per risolvere problemi inversi.

Filosofia

I problemi filosofici legati alla creazione dell’intelligenza artificiale possono essere divisi in due gruppi, relativamente parlando, “prima e dopo lo sviluppo dell’IA”. Il primo gruppo risponde alla domanda: “Cos’è l’intelligenza artificiale, è possibile crearla e, se possibile, come farlo?” Il secondo gruppo (etica dell’intelligenza artificiale) pone la domanda: “Quali sono le conseguenze della creazione dell’intelligenza artificiale per l’umanità?”

Il termine “intelligenza artificiale forte” è stato introdotto da John Searle e l’approccio è caratterizzato dalle sue parole:

Inoltre, un programma del genere non sarebbe semplicemente un modello della mente; lei stessa, nel senso letterale della parola, sarà la mente, nello stesso senso in cui la mente umana è la mente.

Allo stesso tempo, è necessario capire se è possibile una mente “puramente artificiale” (“metamente”), che comprende e risolve problemi reali e, allo stesso tempo, priva di emozioni caratteristiche di una persona e necessarie per la sua sopravvivenza individuale [ ] .

Al contrario, i sostenitori dell’intelligenza artificiale debole preferiscono vedere i programmi solo come strumenti che consentono loro di risolvere determinati problemi che non richiedono l’intera gamma delle capacità cognitive umane.

Etica

Altre fedi tradizionali raramente descrivono i problemi dell’intelligenza artificiale. Ma alcuni teologi prestano comunque attenzione a questo. Ad esempio, l'arciprete Mikhail Zakharov, argomentando dal punto di vista della visione del mondo cristiana, pone la seguente domanda: “L'uomo è un essere razionalmente libero, creato da Dio a Sua immagine e somiglianza. Siamo abituati ad attribuire tutte queste definizioni alla specie biologica Homo Sapiens. Ma quanto è giustificato tutto ciò? . Risponde a questa domanda in questo modo:

Se supponiamo che la ricerca nel campo dell’intelligenza artificiale porterà un giorno alla nascita di un essere artificiale con un’intelligenza superiore a quella umana e dotato di libero arbitrio, ciò significherebbe che questo essere è una persona? ...l'uomo è la creazione di Dio. Possiamo chiamare questa creatura una creazione di Dio? A prima vista, è una creazione umana. Ma anche durante la creazione dell'uomo, difficilmente vale la pena capire alla lettera che Dio ha scolpito il primo uomo dall'argilla con le proprie mani. Si tratta probabilmente di un'allegoria che indica la materialità del corpo umano, creato per volontà di Dio. Ma senza la volontà di Dio non accade nulla in questo mondo. L'uomo, in quanto co-creatore di questo mondo, può, adempiendo la volontà di Dio, creare nuove creature. Tali creature, create dalle mani dell'uomo secondo la volontà di Dio, possono probabilmente essere chiamate creazioni di Dio. Dopotutto, l'uomo crea nuove specie di animali e piante. E consideriamo le piante e gli animali creazioni di Dio. Lo stesso si può applicare ad un essere artificiale di natura non biologica.

fantascienza

Il tema dell'IA è considerato da diverse angolazioni nelle opere di Robert Heinlein: l'ipotesi dell'emergere dell'autocoscienza dell'IA quando la struttura diventa più complessa oltre un certo livello critico e c'è interazione con il mondo esterno e altri portatori di intelligenza (“The Moon Is a Harsh Mistress”, “Time Enough For Love”, i personaggi Mycroft, Dora e Aya della serie “History of the Future”), problemi di sviluppo dell'IA dopo un'ipotetica autoconsapevolezza e alcune questioni sociali ed etiche ("Venerdì"). I problemi socio-psicologici dell’interazione umana con l’intelligenza artificiale sono considerati anche nel romanzo di Philip K. Dick “Do Androids Dream of Electric Sheep? ", noto anche per l'adattamento cinematografico di Blade Runner.

Le opere dello scrittore e filosofo di fantascienza Stanislaw Lem descrivono e anticipano ampiamente la creazione della realtà virtuale, dell'intelligenza artificiale, dei nanorobot e di molti altri problemi della filosofia dell'intelligenza artificiale. Vale soprattutto la pena notare la futurologia della tecnologia Sum . Inoltre, nelle avventure di Iyon the Quiet, viene più volte descritto il rapporto tra esseri viventi e macchine: la rivolta del computer di bordo con successivi imprevisti (11° viaggio), l'adattamento dei robot nella società umana (“The Washing Tragedy” da “Memoirs of Iyon the Quiet”), la creazione di un ordine assoluto sul pianeta elaborando i residenti viventi (24° viaggio), le invenzioni di Corcoran e Diagoras (“Memoirs of Ijon the Quiet”), una clinica psichiatrica per robot ( “Memorie di Ijon il Silenzioso”). Inoltre, c'è tutta una serie di romanzi e racconti Cyberiad, in cui quasi tutti i personaggi sono robot, lontani discendenti di robot fuggiti dalle persone (chiamano le persone pallide e le considerano creature mitiche).

Film

Quasi dagli anni '60, insieme alla scrittura di racconti e novelle di fantascienza, sono stati realizzati film sull'intelligenza artificiale. Molte storie di autori riconosciuti in tutto il mondo vengono girate e diventano classici del genere, altre diventano una pietra miliare nello sviluppo

Intelligenza Artificiale (AI)(Inglese) Intelligenza artificiale (AI)è la scienza e lo sviluppo di macchine e sistemi intelligenti, in particolare programmi per computer intelligenti, volti a comprendere l'intelligenza umana. Tuttavia, i metodi utilizzati non sono necessariamente biologicamente plausibili. Ma il problema è che non si sa quali procedure computazionali vogliamo definire intelligenti. E poiché comprendiamo solo alcuni dei meccanismi dell'intelligenza, per intelligenza all'interno di questa scienza comprendiamo solo la parte computazionale della capacità di raggiungere obiettivi nel mondo.

Esistono vari tipi e gradi di intelligenza in molte persone, animali e alcune macchine, sistemi informativi intelligenti e vari modelli di sistemi esperti con diverse basi di conoscenza. Allo stesso tempo, come vediamo, questa definizione di intelligenza non è correlata alla comprensione dell'intelligenza umana: queste sono cose diverse. Inoltre, questa scienza modella l’intelligenza umana, poiché, da un lato, si può imparare qualcosa su come far sì che le macchine risolvano i problemi osservando altre persone, e dall’altro, la maggior parte del lavoro nel campo dell’intelligenza artificiale studia i problemi che l’umanità ha bisogno di risolvere. in senso industriale e tecnologico. Pertanto, i ricercatori sull’intelligenza artificiale sono liberi di utilizzare tecniche non osservate negli esseri umani, se necessario, per risolvere problemi specifici.

È in questo senso che il termine è stato introdotto da J. McCarthy nel 1956 in un convegno all'Università di Dartmouth, e fino ad oggi, nonostante le critiche di chi ritiene che l'intelligenza sia solo un fenomeno biologico, nella comunità scientifica il termine ha mantenuto la sua significato originale, nonostante le evidenti contraddizioni dal punto di vista dell'intelligenza umana.

In filosofia, la questione della natura e dello status dell'intelletto umano non è stata risolta. Inoltre, non esiste un criterio esatto affinché i computer raggiungano l'"intelligenza", sebbene agli albori dell'intelligenza artificiale siano state proposte una serie di ipotesi, ad esempio il test di Turing o l'ipotesi di Newell-Simon. Pertanto, nonostante i numerosi approcci sia alla comprensione dei problemi dell’IA che alla creazione di sistemi informativi intelligenti, si possono distinguere due approcci principali allo sviluppo dell’IA:

· discendente (inglese) IA dall'alto verso il basso), semiotica: la creazione di sistemi esperti, basi di conoscenza e sistemi di inferenza logica che simulano processi mentali di alto livello: pensiero, ragionamento, parola, emozioni, creatività, ecc.;

· ascendente (inglese) IA dal basso verso l'alto), biologico – lo studio delle reti neurali e dei calcoli evolutivi che modellano il comportamento intelligente sulla base di elementi “non intelligenti” più piccoli.

Quest'ultimo approccio, in senso stretto, non riguarda la scienza dell'intelligenza artificiale nel senso dato da J. McCarthy, sono uniti solo da un obiettivo finale comune;

Le capacità delle nuove macchine in termini di velocità di calcolo si sono rivelate maggiori di quelle umane, quindi la comunità scientifica ha sollevato la domanda: quali sono i limiti delle capacità dei computer e le macchine raggiungeranno il livello di sviluppo umano? Nel 1950, uno dei pionieri nel campo dell’informatica, lo scienziato inglese Alan Turing, nell’articolo “Can a Machine Think?”, fornisce risposte a domande simili e descrive una procedura mediante la quale sarà possibile determinare il momento in cui una macchina diventa uguale in termini di intelligenza a una persona, chiamato test di Turing.

Il test di Turing è un test empirico proposto da Alan Turing nel suo articolo del 1950 "Computing Machines and Minds" sulla rivista di filosofia Mente" Lo scopo di questo test è determinare la possibilità di un pensiero artificiale vicino a quello umano. L'interpretazione standard di questo test è: “Una persona interagisce con un computer e una persona. In base alle risposte alle domande, deve determinare con chi sta parlando: una persona o un programma per computer. Lo scopo di un programma per computer è indurre una persona a fare la scelta sbagliata”. Tutti i partecipanti al test non possono vedersi.

Esistono tre approcci per definire l’intelligenza artificiale:

1) Approccio logico verso la creazione di sistemi di intelligenza artificiale è finalizzato alla creazione di sistemi esperti con modelli logici di basi di conoscenza utilizzando il linguaggio dei predicati. Il sistema di programmazione linguistica e logica Prolog è stato adottato negli anni '80 come modello di formazione per i sistemi di intelligenza artificiale. Le basi di conoscenza scritte nel linguaggio Prolog rappresentano insiemi di fatti e regole di inferenza logica scritti nel linguaggio logico. Il modello logico delle basi di conoscenza consente di registrare non solo informazioni e dati specifici sotto forma di fatti nel linguaggio Prolog, ma anche informazioni generalizzate utilizzando regole e procedure di inferenza logica, comprese regole logiche per definire concetti che esprimono determinate conoscenze come specifiche e informazioni generalizzate. In generale, la ricerca sui problemi dell'intelligenza artificiale nell'informatica nel quadro di un approccio logico alla progettazione di basi di conoscenza e sistemi esperti è finalizzata alla creazione, allo sviluppo e al funzionamento di sistemi di informazione intelligenti, compresi i problemi dell'insegnamento agli studenti e scolari, nonché la formazione degli utenti e degli sviluppatori di tali sistemi informativi intelligenti.

2) Approccio basato su agenti si è sviluppato a partire dai primi anni ’90. Secondo questo approccio l’intelligenza è la parte computazionale (pianificazione) della capacità di raggiungere gli obiettivi prefissati per una macchina intelligente. Tale macchina stessa sarà un agente intelligente, che percepirà il mondo circostante utilizzando sensori e sarà in grado di influenzare gli oggetti nell'ambiente utilizzando attuatori. Questo approccio si concentra su quei metodi e algoritmi che aiuteranno l’agente intelligente a sopravvivere nell’ambiente mentre svolge il suo compito. Pertanto, qui gli algoritmi di ricerca e decisionali vengono studiati in modo molto più approfondito.

3) Approccio intuitivo presuppone che l’intelligenza artificiale sarà in grado di mostrare un comportamento non diverso da quello umano e in situazioni normali. Questa idea è una generalizzazione dell'approccio del test di Turing, secondo il quale una macchina diventerà intelligente quando sarà in grado di conversare con una persona comune, e questa non sarà in grado di capire che sta parlando con la macchina (il la conversazione avviene per corrispondenza).

La definizione ha selezionato le seguenti aree di ricerca nel campo dell’IA:

- Modellazione simbolica dei processi di pensiero.

Analizzando la storia dell'intelligenza artificiale, possiamo evidenziare un'area così ampia come la modellazione del ragionamento. Per molti anni, lo sviluppo dell'IA come scienza si è mosso proprio lungo questo percorso, e ora è una delle aree più sviluppate dell'IA moderna. Il ragionamento di modellazione implica la creazione di sistemi simbolici, il cui input è un certo problema e l'output richiede la sua soluzione. Di norma, il problema proposto è già stato formalizzato, cioè tradotto in forma matematica, ma o non ha un algoritmo di soluzione, oppure è troppo complesso, richiede tempo, ecc. Quest'area comprende: dimostrazione di teoremi, decisione creazione e teoria dei giochi, pianificazione e dispacciamento, previsione.

- Lavorare con i linguaggi naturali.

Un’area importante è l’elaborazione del linguaggio naturale, che implica l’analisi delle capacità di comprendere, elaborare e generare testi in linguaggio “umano”. In particolare, il problema della traduzione automatica dei testi da una lingua all'altra non è stato ancora risolto. Nel mondo moderno, lo sviluppo di metodi di recupero delle informazioni gioca un ruolo importante. Per sua natura, il test di Turing originale è legato a questa direzione.

- Accumulazione e utilizzo della conoscenza.

Secondo molti scienziati, una proprietà importante dell'intelligenza è la capacità di apprendere. Pertanto, l'ingegneria della conoscenza viene alla ribalta, combinando i compiti di ottenere conoscenza da semplici informazioni, la sua sistematizzazione e utilizzo. I progressi in questo settore interessano quasi ogni altro ambito della ricerca sull’intelligenza artificiale. Anche in questo caso non possono essere trascurati due importanti sottosettori. Il primo di essi, l'apprendimento automatico, riguarda il processo di acquisizione indipendente della conoscenza da parte di un sistema intelligente nel processo del suo funzionamento. Il secondo è associato alla creazione di sistemi esperti: programmi che utilizzano basi di conoscenza specializzate per ottenere conclusioni affidabili su qualsiasi problema.

Il campo dell’apprendimento automatico comprende un’ampia classe di problemi di riconoscimento di pattern. Ad esempio, si tratta del riconoscimento dei caratteri, del testo scritto a mano, del parlato, dell'analisi del testo. Molti problemi vengono risolti con successo utilizzando la modellizzazione biologica. Modellazione biologica

Ci sono risultati grandi e interessanti nel campo della modellazione dei sistemi biologici. A rigor di termini, questo può includere diverse direzioni indipendenti. Le reti neurali vengono utilizzate per risolvere problemi confusi e complessi come il riconoscimento di forme geometriche o il clustering di oggetti. L’approccio genetico si basa sull’idea che un algoritmo può diventare più efficiente se prende in prestito caratteristiche migliori da altri algoritmi (“genitori”). Un approccio relativamente nuovo, in cui il compito è creare un programma autonomo, un agente che interagisce con l'ambiente esterno, è chiamato approccio dell'agente. Particolarmente degna di nota è la visione artificiale, che è anche associata alla robotica.

- Robotica.

In generale, robotica e intelligenza artificiale sono spesso associate tra loro. L’integrazione di queste due scienze, la creazione di robot intelligenti, può essere considerata un altro ambito dell’IA.

- Creatività della macchina.

La natura della creatività umana è ancor meno studiata della natura dell’intelligenza. Tuttavia, quest'area esiste e qui si pongono i problemi della scrittura musicale, delle opere letterarie (spesso poesie o fiabe) e della creazione artistica. La creazione di immagini realistiche è ampiamente utilizzata nell'industria cinematografica e dei giochi. L'aggiunta di questa funzionalità a qualsiasi sistema intelligente consente di dimostrare molto chiaramente cosa percepisce esattamente il sistema e come lo comprende. Aggiungendo rumore invece di informazioni mancanti o filtrando rumore con la conoscenza disponibile nel sistema, produce immagini concrete da conoscenze astratte facilmente percepibili da una persona, questo è particolarmente utile per conoscenze intuitive e di scarso valore, la cui verifica in un la forma formale richiede uno sforzo mentale significativo.

- Altri ambiti di ricerca.

Esistono molte applicazioni dell'intelligenza artificiale, ognuna delle quali forma una direzione quasi indipendente. Gli esempi includono l'intelligenza di programmazione nei giochi per computer, il controllo non lineare e i sistemi intelligenti di sicurezza delle informazioni.

Approcci alla creazione di sistemi intelligenti. L'approccio simbolico consente di operare con rappresentazioni debolmente formalizzate e i loro significati. L'efficienza e l'efficacia complessiva dipendono dalla capacità di evidenziare solo le informazioni essenziali. L’ampiezza delle classi di problemi effettivamente risolti dalla mente umana richiede un’incredibile flessibilità nei metodi di astrazione. Non accessibile con nessun approccio ingegneristico che il ricercatore sceglie inizialmente in base a un criterio volutamente imperfetto, per la sua capacità di fornire rapidamente una soluzione efficace a qualche problema che sta più a cuore a questo ricercatore. Cioè per un unico modello di astrazione e costruzione di entità già implementato sotto forma di regole. Ciò si traduce in un dispendio significativo di risorse per compiti non fondamentali, ovvero il sistema ritorna dall'intelligenza alla forza bruta nella maggior parte dei compiti e l'essenza stessa dell'intelligenza scompare dal progetto.

Senza la logica simbolica è particolarmente difficile quando si tratta di sviluppare regole poiché i loro componenti, non essendo unità di conoscenza a tutti gli effetti, non sono logici. La maggior parte degli studi si ferma all'impossibilità di identificare almeno le nuove difficoltà sorte utilizzando i sistemi simbolici scelti nelle fasi precedenti. Inoltre, risolverli, e soprattutto addestrare il computer a risolverli, o almeno a identificare e uscire da tali situazioni.

Storicamente, l’approccio simbolico è stato il primo nell’era delle macchine digitali, poiché è stato dopo la creazione del Lisp, il primo linguaggio informatico simbolico, che il suo autore ha avuto fiducia nella possibilità di iniziare praticamente a implementare questi mezzi di intelligenza. L'intelligenza come tale, senza riserve né convenzioni.

È ampiamente praticato creare sistemi intelligenti ibridi in cui vengono utilizzati più modelli contemporaneamente. Le regole di inferenza esperta possono essere generate da reti neurali e le regole generative vengono ottenute utilizzando l'apprendimento statistico.

Sviluppo della teoria degli insiemi fuzzy. Lo sviluppo della teoria degli insiemi fuzzy ebbe inizio con l’articolo “Fuzzy Sets”, pubblicato dal professore statunitense Lotfi Zadeh, che per primo introdusse il concetto di insieme fuzzy, propose l’idea e il primo concetto di una teoria che rendesse possibile descrivere sistemi reali. La direzione più importante della teoria degli insiemi fuzzy è la logica fuzzy, utilizzata per controllare i sistemi, nonché negli esperimenti sulla formazione dei loro modelli.

Gli anni '60 iniziarono un periodo di rapido sviluppo dei computer e delle tecnologie digitali basate sulla logica binaria. A quel tempo si credeva che l'uso di questa logica avrebbe consentito di risolvere molti problemi scientifici e tecnici. Per questo motivo, l’emergere della logica fuzzy è rimasta quasi inosservata, nonostante tutta la sua natura concettuale rivoluzionaria. Tuttavia, l'importanza della logica fuzzy è stata riconosciuta da numerosi rappresentanti della comunità scientifica ed è stata sviluppata e implementata nella pratica in varie applicazioni industriali. Dopo qualche tempo, l'interesse per esso cominciò ad aumentare da parte delle scuole scientifiche che univano aderenti alle tecnologie basate sulla logica binaria. Ciò è accaduto a causa del fatto che sono stati scoperti molti problemi pratici che non potevano essere risolti utilizzando modelli e metodi matematici tradizionali, nonostante le velocità di calcolo disponibili significativamente aumentate. Era necessaria una nuova metodologia, i cui tratti caratteristici andavano ricercati nella logica fuzzy.

Come la robotica, la logica fuzzy ha suscitato grande interesse non nel suo paese d'origine, gli Stati Uniti, ma oltre i suoi confini e, di conseguenza, la prima esperienza di utilizzo industriale della logica fuzzy - per controllare le caldaie delle centrali elettriche - è associato all’Europa. Tutti i tentativi di utilizzare metodi tradizionali, a volte molto complessi, per controllare una caldaia a vapore si sono conclusi con un fallimento: questo sistema non lineare si è rivelato così complesso. E solo l'uso della logica fuzzy ha permesso di sintetizzare un controller che soddisfacesse tutti i requisiti. Nel 1976, la logica fuzzy fu utilizzata come base per un sistema di controllo automatico per un forno rotante nella produzione di cemento. Tuttavia, i primi risultati pratici dell'utilizzo della logica fuzzy, ottenuti in Europa e in America, non hanno causato alcun aumento significativo di interesse nei suoi confronti. Proprio come nel caso della robotica, il paese che per primo ha avviato l’implementazione diffusa della logica fuzzy, realizzandone l’enorme potenziale, è stato il Giappone.

Tra i sistemi fuzzy applicati creati in Giappone, il più famoso è il sistema di controllo dei treni della metropolitana sviluppato da Hitachi a Sendai. Il progetto è stato implementato con la partecipazione di un conducente esperto, le cui conoscenze ed esperienze hanno costituito la base per il modello di controllo sviluppato. Il sistema riduceva automaticamente la velocità del treno mentre si avvicinava alla stazione, garantendo una sosta nel luogo richiesto. Un altro vantaggio del treno era il suo elevato comfort, dovuto all'accelerazione e alla decelerazione fluide. C'erano una serie di altri vantaggi rispetto ai sistemi di controllo tradizionali.

Il rapido sviluppo della logica fuzzy in Giappone ha portato alle sue applicazioni pratiche non solo nell’industria, ma anche nella produzione di beni di consumo. Un esempio è una videocamera dotata di un sottosistema di stabilizzazione dell’immagine fuzzy, utilizzato per compensare le fluttuazioni dell’immagine causate dall’inesperienza dell’operatore. Questo problema era troppo complesso per essere risolto con i metodi tradizionali, poiché era necessario distinguere le fluttuazioni casuali dell'immagine dal movimento intenzionale degli oggetti fotografati (ad esempio, il movimento delle persone).

Un altro esempio è la lavatrice automatica, che viene azionata con il semplice tocco di un pulsante (Zimmerman 1994). Questa “integrità” ha suscitato interesse ed è stata accolta con approvazione. L'utilizzo di metodi di logica fuzzy ha permesso di ottimizzare il processo di lavaggio, garantendo il riconoscimento automatico del tipo, del volume e del grado di sporco degli indumenti, per non parlare del fatto che riducendo il meccanismo di controllo della macchina a un unico pulsante è stato notevolmente più semplice maniglia.

Le invenzioni della logica fuzzy sono state implementate da aziende giapponesi in molti altri dispositivi, inclusi forni a microonde (Sanyo), sistemi di frenatura antibloccaggio e trasmissioni automatiche (Nissan), controllo integrato della dinamica del veicolo (INVEC) e controller del disco rigido nei computer che garantiscono a riduzione dei tempi di accesso alle informazioni.

Oltre alle applicazioni sopra citate, a partire dai primi anni '90. Esiste un intenso sviluppo di metodi fuzzy in una serie di aree di applicazione, comprese quelle non legate alla tecnologia:

Sistema di controllo elettronico del pacemaker;

Sistema di controllo per veicoli a motore;

Sistemi di raffreddamento;

Condizionatori d'aria e apparecchiature di ventilazione;

Attrezzature per l'incenerimento dei rifiuti;

Forno per la fusione del vetro;

Sistema di monitoraggio della pressione arteriosa;

Diagnosi di tumori;

Diagnosi dello stato attuale del sistema cardiovascolare;

Sistema di controllo per gru e ponti;

Elaborazione di immagini;

Caricabatterie veloce;

Riconoscimento delle parole;

Gestione del bioprocessore;

Controllo motori elettrici;

Apparecchiature e processi di saldatura;

Sistemi di controllo del traffico;

Ricerca biomedica;

Impianti di trattamento delle acque.

Al momento, nella creazione dell'intelligenza artificiale (nel senso originale del termine, i sistemi esperti e i programmi di scacchi non rientrano in questo ambito), si verifica un'intensa macinazione di tutte le aree tematiche che hanno almeno qualche relazione con l'intelligenza artificiale in basi di conoscenza. . Quasi tutti gli approcci sono stati testati, ma nessun gruppo di ricerca si è avvicinato all’emergere dell’intelligenza artificiale.

La ricerca sull'intelligenza artificiale si è unita al flusso generale delle tecnologie sulla singolarità (salto di specie, sviluppo umano esponenziale), come l'informatica, i sistemi esperti, la nanotecnologia, la bioelettronica molecolare, la biologia teorica, la teoria quantistica, i nootropi, gli estrofili, ecc. vedi flusso quotidiano Notizie Kurzweil, MIT.

I risultati degli sviluppi nel campo dell'intelligenza artificiale sono entrati nell'istruzione superiore e secondaria in Russia sotto forma di libri di testo di informatica, dove vengono ora studiate questioni relative al lavoro e alla creazione di basi di conoscenza, sistemi esperti basati su personal computer basati su sistemi di programmazione logica domestica, così come studiare questioni fondamentali della matematica e dell'informatica utilizzando esempi di lavoro con modelli di basi di conoscenza e sistemi esperti nelle scuole e nelle università.

Sono stati sviluppati i seguenti sistemi di intelligenza artificiale:

1. Deep Blue: ha sconfitto il campione mondiale di scacchi. (La partita tra Kasparov e i supercomputer non ha portato soddisfazione né agli informatici né ai giocatori di scacchi, e il sistema non è stato riconosciuto da Kasparov, sebbene i programmi di scacchi compatti originali siano un elemento integrante della creatività degli scacchi. Quindi la linea di supercomputer IBM è apparsa in i progetti di forza bruta BluGene (modellazione molecolare) e modellazione del sistema cellulare piramidale presso lo Swiss Blue Brain Center Questa storia è un esempio della relazione intricata e segreta tra intelligenza artificiale, affari e obiettivi strategici nazionali.)

2. Mycin è stato uno dei primi sistemi esperti in grado di diagnosticare un piccolo insieme di malattie, spesso con la stessa precisione dei medici.

3. 20q è un progetto basato su idee di intelligenza artificiale, basato sul classico gioco "20 domande". È diventato molto popolare dopo essere apparso su Internet sul sito 20q.net.

4. Riconoscimento vocale. Sistemi come ViaVoice sono in grado di servire i consumatori.

5. I robot competono in una forma semplificata di calcio nel torneo annuale RoboCup.

Le banche utilizzano sistemi di intelligenza artificiale (AI) nelle attività assicurative (matematica attuariale) quando giocano in borsa e nella gestione immobiliare. Nell’agosto del 2001, i robot hanno battuto gli esseri umani in una competizione commerciale improvvisata (BBC News, 2001). I metodi di riconoscimento dei modelli (comprese sia le reti più complesse e specializzate che quelle neurali) sono ampiamente utilizzati nel riconoscimento ottico e acustico (compresi testo e parlato), nella diagnostica medica, nei filtri antispam, nei sistemi di difesa aerea (identificazione dei bersagli) e anche per garantire un numero di altri compiti di sicurezza nazionale.

Gli sviluppatori di giochi per computer sono costretti a utilizzare l'intelligenza artificiale con vari gradi di sofisticazione. I compiti standard dell'intelligenza artificiale nei giochi sono trovare un percorso nello spazio bidimensionale o tridimensionale, simulare il comportamento di un'unità di combattimento, calcolare la corretta strategia economica e così via.

L’intelligenza artificiale è strettamente correlata al transumanesimo. E insieme alla neurofisiologia, all’epistemologia, alla psicologia cognitiva, forma una scienza più generale chiamata scienza cognitiva. La filosofia gioca un ruolo speciale nell’intelligenza artificiale. Inoltre, l'epistemologia - la scienza della conoscenza nel quadro della filosofia - è strettamente correlata ai problemi dell'intelligenza artificiale. I filosofi che lavorano su questo argomento sono alle prese con domande simili a quelle affrontate dagli ingegneri dell’intelligenza artificiale su come rappresentare e utilizzare al meglio la conoscenza e le informazioni. La produzione di conoscenza dai dati è uno dei problemi fondamentali del data mining. Esistono vari approcci per risolvere questo problema, compresi quelli basati sulla tecnologia delle reti neurali, utilizzando procedure di verbalizzazione della rete neurale.

Nell'informatica, i problemi dell'intelligenza artificiale sono considerati dalla prospettiva della progettazione di sistemi esperti e basi di conoscenza. Le basi di conoscenza sono intese come un insieme di dati e regole di inferenza che consentono l'inferenza logica e l'elaborazione significativa delle informazioni. In generale, la ricerca sui problemi dell'intelligenza artificiale nell'informatica è finalizzata alla creazione, allo sviluppo e al funzionamento di sistemi informativi intelligenti, comprese le questioni relative alla formazione degli utenti e degli sviluppatori di tali sistemi.

La scienza della “creazione dell’intelligenza artificiale” non poteva fare a meno di attirare l’attenzione dei filosofi. Con l’avvento dei primi sistemi intelligenti si sono poste domande fondamentali sull’uomo e sulla conoscenza, e in parte sull’ordine mondiale. Da un lato, sono indissolubilmente legati a questa scienza e, dall'altro, vi introducono un po' di caos. I problemi filosofici legati alla creazione dell’intelligenza artificiale possono essere divisi in due gruppi, relativamente parlando, “prima e dopo lo sviluppo dell’IA”. Il primo gruppo risponde alla domanda: “Cos’è l’intelligenza artificiale, è possibile crearla e, se possibile, come farlo?” Il secondo gruppo (etica dell’intelligenza artificiale) pone la domanda: “Quali sono le conseguenze della creazione dell’intelligenza artificiale per l’umanità?”

Problemi di creazione dell'intelligenza artificiale. Sono visibili due direzioni per lo sviluppo dell'intelligenza artificiale: la prima - nella risoluzione dei problemi associati all'avvicinamento dei sistemi di intelligenza artificiale specializzati alle capacità umane e alla loro integrazione, che è realizzata dalla natura umana, la seconda - nella creazione dell'intelligenza artificiale, che rappresenta l’integrazione dei sistemi di intelligenza artificiale già creati in un unico sistema in grado di risolvere i problemi dell’umanità.

Tra i ricercatori sull'intelligenza artificiale non esiste ancora un punto di vista dominante sui criteri di intelligenza, sulla sistematizzazione degli obiettivi e dei compiti da risolvere, non esiste nemmeno una definizione rigorosa di scienza. Esistono diversi punti di vista sulla questione di cosa sia considerata intelligenza. L'approccio analitico prevede l'analisi dell'attività nervosa superiore di una persona al livello più basso e indivisibile (la funzione dell'attività nervosa superiore, una reazione elementare a sostanze irritanti esterne (stimoli), irritazione delle sinapsi di un insieme di neuroni collegati dalla funzione) e la successiva riproduzione di tali funzioni.

Alcuni esperti confondono la capacità di scelta razionale e motivata in condizioni di mancanza di informazioni con l'intelligenza. Cioè, un programma intellettuale è semplicemente considerato quel programma di attività che può scegliere tra un certo insieme di alternative, ad esempio, dove andare nel caso di "andrai a sinistra...", "andrai a destra" ...”, “andrai dritto…”.

Il dibattito più acceso nella filosofia dell'intelligenza artificiale è la questione della possibilità di pensare creata dalle mani dell'uomo. La domanda “Può una macchina pensare?”, che spinse i ricercatori a creare la scienza della simulazione della mente umana, fu posta da Alan Turing nel 1950. I due punti di vista principali su questo tema sono chiamati ipotesi di intelligenza artificiale forte e debole.

Il termine “forte intelligenza artificiale” è stato introdotto da John Searle, e nelle sue parole l'approccio è caratterizzato: “Un tale programma non sarà solo un modello della mente; lei stessa, nel senso letterale della parola, sarà la mente, nello stesso senso in cui la mente umana è la mente”. Al contrario, i sostenitori dell’intelligenza artificiale debole preferiscono vedere i programmi solo come strumenti che consentono loro di risolvere determinati problemi che non richiedono l’intera gamma delle capacità cognitive umane.

L'esperimento mentale della "Stanza Cinese" di John Searle sostiene che il superamento del test di Turing non è un criterio affinché una macchina abbia un vero processo di pensiero. Il pensiero è il processo di elaborazione delle informazioni archiviate nella memoria: analisi, sintesi e autoprogrammazione. Una posizione simile è assunta da Roger Penrose, che nel suo libro “The King's New Mind” sostiene l'impossibilità di ottenere il processo di pensiero sulla base di sistemi formali.

6. Dispositivi informatici e microprocessori.

Un microprocessore (MP) è un dispositivo che riceve, elabora ed emette informazioni. Strutturalmente, l'MP contiene uno o più circuiti integrati ed esegue azioni definite da un programma memorizzato in memoria (Fig. 6.1).

Figura 6.1– Aspetto del parlamentare

I primi processori furono creati come componenti unici per sistemi informatici unici nel loro genere. Successivamente, i produttori di computer passarono dal metodo costoso di sviluppare processori progettati per eseguire uno o pochi programmi altamente specializzati alla produzione di massa di classi tipiche di dispositivi processore multiuso. La tendenza alla standardizzazione dei componenti dei computer è nata durante l'era del rapido sviluppo degli elementi semiconduttori, dei mainframe e dei minicomputer, e con l'avvento dei circuiti integrati è diventata ancora più popolare. La creazione di microcircuiti ha permesso di aumentare ulteriormente la complessità delle CPU riducendone contemporaneamente le dimensioni fisiche.

La standardizzazione e la miniaturizzazione dei processori ha portato alla profonda penetrazione dei dispositivi digitali basati su di essi nella vita umana quotidiana. I processori moderni si trovano non solo nei dispositivi high-tech come i computer, ma anche nelle automobili, nelle calcolatrici, nei telefoni cellulari e persino nei giocattoli per bambini. Molto spesso sono rappresentati da microcontrollori, sul cui chip, oltre al dispositivo informatico, si trovano componenti aggiuntivi (memoria di programma e dati, interfacce, porte di ingresso/uscita, timer, ecc.). Le capacità di calcolo del microcontrollore sono paragonabili ai processori dei personal computer di dieci anni fa e il più delle volte superano addirittura in modo significativo le loro prestazioni.

Un sistema a microprocessore (MPS) è un sistema di calcolo, strumentazione o controllo in cui il principale dispositivo di elaborazione delle informazioni è l'MP. Il sistema a microprocessore è costituito da un insieme di LSI a microprocessore (Fig. 6.2).

Figura 6.2– Esempio di sistema a microprocessore

Il generatore di impulsi di clock imposta un intervallo di tempo, che è un'unità di misura (quantica) per la durata dell'esecuzione del comando. Maggiore è la frequenza, più veloce, a parità di altre condizioni, è l'MPS. MP, RAM e ROM sono parti integranti del sistema. Interfacce di ingresso e uscita - dispositivi per interfacciare MPS con blocchi di ingresso e uscita. Gli strumenti di misura sono caratterizzati da dispositivi di input sotto forma di telecomando a pulsante e convertitori di misura (ADC, sensori, unità di input di informazioni digitali). I dispositivi di output rappresentano solitamente display digitali, uno schermo grafico (display) e dispositivi esterni per l'interfaccia con il sistema di misura. Tutti i blocchi MPS sono interconnessi da bus di trasmissione di informazioni digitali. L'MPS utilizza il principio della comunicazione backbone, in cui i blocchi scambiano informazioni tramite un unico bus dati. Il numero di linee nel bus dati corrisponde solitamente alla capacità MPS (il numero di bit in una parola dati). Il bus degli indirizzi viene utilizzato per indicare la direzione del trasferimento dei dati: trasmette l'indirizzo di una cella di memoria o di un blocco I/O che sta attualmente ricevendo o trasmettendo informazioni. Il bus di controllo viene utilizzato per trasmettere segnali che sincronizzano l'intero funzionamento dell'MPS.

La costruzione dell’IPS si basa su tre principi:

Linea principale;

Modularità;

Controllo del microprogramma.

Il principio del trunking - determina la natura delle connessioni tra i blocchi funzionali dell'MPS - tutti i blocchi sono collegati ad un unico bus di sistema.

Il principio della modularità è che il sistema è costruito sulla base di un numero limitato di tipologie di moduli strutturalmente e funzionalmente completi.

I principi del trunking e della modularità consentono di aumentare le capacità di controllo e di calcolo dell'MP collegando altri moduli al bus di sistema.

Il principio del controllo del microprogramma è la capacità di eseguire operazioni elementari - microcomandi (turni, trasferimenti di informazioni, operazioni logiche), con l'aiuto dei quali viene creato un linguaggio tecnologico, ad es. un insieme di comandi che meglio si adatta allo scopo del sistema.

In base al loro scopo, i parlamentari si dividono in universali e specializzati.

I microprocessori universali sono microprocessori di uso generale che risolvono un'ampia classe di problemi di calcolo, elaborazione e controllo. Un esempio dell'uso di MP universali sono i computer costruiti su piattaforme IBM e Macintosh.

I microprocessori specializzati sono progettati per risolvere problemi solo di una determinata classe. I parlamentari specializzati includono: segnalamento, parlamentari multimediali e transputer.

I processori di segnale (DSP) sono progettati per l'elaborazione del segnale digitale in tempo reale (ad esempio, filtraggio del segnale, calcolo della convoluzione, calcolo della funzione di correlazione, limitazione e condizionamento del segnale, esecuzione di trasformate di Fourier diretta e inversa). (Figura 6.3) I processori di segnale includono processori di Texas Instruments - TMS320C80, Analog Devices - - ADSP2106x, Motorola -DSP560xx e DSP9600x.

Figura 6.3– Esempio di struttura interna del DSP

I processori multimediali e multimediali sono progettati per elaborare segnali audio, informazioni grafiche, immagini video, nonché per risolvere una serie di problemi nei computer multimediali, nelle console di gioco e negli elettrodomestici. Questi processori includono processori di MicroUnity - Mediaprocessor, Philips - Trimedia, Cromatic Research - Mpact Media Engine, Nvidia - NV1, Cyrix - MediaGX.

I transputer sono progettati per organizzare calcoli massivamente paralleli e funzionare in sistemi multiprocessore. Sono caratterizzati dalla presenza di memoria interna e di un'interfaccia interprocessore integrata, ovvero canali di comunicazione con altri LSI MP.

In base al tipo di architettura, ovvero al principio di costruzione, si distingue tra MP con architettura von Neumann e MP con architettura Harvard.

Il concetto di architettura del microprocessore definisce le sue parti componenti, nonché le connessioni e le interazioni tra di esse.

L'architettura include:

Diagramma a blocchi MP;

Modello software MP (descrizione delle funzioni del registro);

Informazioni sull'organizzazione della memoria (capacità e metodi di indirizzamento della memoria);

Descrizione dell'organizzazione delle procedure di input/output.

L'architettura di Fonneumann (Fig. 6.4, a) fu proposta nel 1945 dal matematico americano Joe von Neumann. La sua particolarità è che il programma e i dati si trovano nella memoria condivisa, alla quale si accede tramite un bus dati e comandi.

L'architettura di Harvard fu implementata per la prima volta nel 1944 nel computer relè dell'Università di Harvard (USA). Una caratteristica di questa architettura è che la memoria dati e la memoria programma sono separate e hanno bus dati e bus comandi separati (Fig. 6.4, b), il che consente di aumentare le prestazioni del sistema MP.

Figura 6.4. Principali tipologie di architettura: (a - von Neumann; 6 - Harvard)

In base al tipo di sistema di istruzioni, viene fatta una distinzione tra processori CISC (Complete Instruction Set Computing) con un set completo di istruzioni (tipici rappresentanti del CISC sono la famiglia di microprocessori Intel x86) e Processori RISC(Reduced Instruction Set Computing) con un insieme ridotto di istruzioni (caratterizzato dalla presenza di istruzioni di lunghezza fissa, un gran numero di registri, operazioni da registro a registro e assenza di indirizzamento indiretto).

Il microcontrollore a chip singolo (MCU) è un chip progettato per controllare dispositivi elettronici (Figura 5). Un tipico microcontrollore combina le funzioni di un processore e di dispositivi periferici e può contenere RAM e ROM. Essenzialmente, si tratta di un computer a chip singolo in grado di eseguire compiti semplici. L'utilizzo di un singolo chip invece di un intero set riduce significativamente le dimensioni, il consumo energetico e il costo dei dispositivi basati su microcontrollori.

Figura 6.5– esempi di progetti di microcontrollori

I microcontrollori sono la base per la costruzione di sistemi embedded; possono essere trovati in molti dispositivi moderni, come telefoni, lavatrici, ecc. La maggior parte dei processori prodotti nel mondo sono microcontrollori.

Oggi vengono prodotti microcontrollori a 8 bit compatibili con i8051 di Intel, microcontrollori PIC di Microchip Technology e AVR di Atmel, MSP430 a sedici bit di TI, nonché ARM, la cui architettura è sviluppata da ARM e vende licenze ad altre società per la loro produzione, sono popolari tra gli sviluppatori.

Quando si progettano microcontrollori, esiste un equilibrio tra dimensioni e costi da un lato e flessibilità e prestazioni dall'altro. Per diverse applicazioni, l'equilibrio ottimale di questi e altri parametri può variare notevolmente. Pertanto, esiste un numero enorme di tipi di microcontrollori, che differiscono per l'architettura del modulo processore, la dimensione e il tipo di memoria incorporata, l'insieme di dispositivi periferici, il tipo di case, ecc.

Un elenco parziale delle periferiche che possono essere presenti nei microcontrollori include:

Porte digitali universali che possono essere configurate per input o output;

Diverse interfacce I/O come UART, I²C, SPI, CAN, USB, IEEE 1394, Ethernet;

Convertitori analogico-digitali e digitale-analogici;

comparatori;

Modulatori di larghezza di impulso;

Temporizzatori, generatore di orologio integrato e timer watchdog;

Controller per motori senza spazzole;

Controller per display e tastiera;

Ricevitori e trasmettitori di radiofrequenze;

Matrici di memoria flash incorporata.

Intelligenza artificiale (AI, inglese: Intelligenza artificiale, AI) - la scienza e la tecnologia per la creazione di macchine intelligenti, in particolare programmi per computer intelligenti. L’intelligenza artificiale è legata al compito simile di utilizzare i computer per comprendere l’intelligenza umana, ma non è necessariamente limitata a metodi biologicamente plausibili.

Cos'è l'intelligenza artificiale

Intelligenza(dal lat. intellectus - sensazione, percezione, comprensione, comprensione, concetto, ragione), o mente - una qualità della psiche costituita dalla capacità di adattarsi a nuove situazioni, la capacità di apprendere e ricordare in base all'esperienza, comprendere e applicare concetti astratti e utilizzare le proprie conoscenze per la gestione ambientale. L'intelligenza è la capacità generale di cognizione e di risoluzione delle difficoltà, che unisce tutte le capacità cognitive umane: sensazione, percezione, memoria, rappresentazione, pensiero, immaginazione.

All'inizio degli anni '80. Gli scienziati computazionali Barr e Fajgenbaum hanno proposto la seguente definizione di intelligenza artificiale (AI):

Successivamente, una serie di algoritmi e sistemi software iniziarono a essere classificati come IA, la cui proprietà distintiva è che possono risolvere alcuni problemi nello stesso modo in cui lo farebbe una persona che pensa alla loro soluzione.

Le principali proprietà dell’intelligenza artificiale sono la comprensione del linguaggio, l’apprendimento e la capacità di pensare e, soprattutto, di agire.

L'intelligenza artificiale è un complesso di tecnologie e processi correlati che si stanno sviluppando qualitativamente e rapidamente, ad esempio:

elaborazione del testo in linguaggio naturale
sistemi esperti
agenti virtuali (chatbot e assistenti virtuali)
sistemi di raccomandazione.

Ricerca sull'intelligenza artificiale

Articolo principale: Ricerca sull'intelligenza artificiale

Standardizzazione nell'intelligenza artificiale

2018: Sviluppo di standard nel campo delle comunicazioni quantistiche, dell'intelligenza artificiale e delle smart city

Il 6 dicembre 2018, il comitato tecnico “Sistemi ciberfisici” basato su RVC insieme al Centro regionale di ingegneria “SafeNet” ha iniziato a sviluppare una serie di standard per i mercati dell’Iniziativa tecnologica nazionale (NTI) e dell’economia digitale. Entro marzo 2019 si prevede di sviluppare documenti di standardizzazione tecnica nel campo delle comunicazioni quantistiche, ha riferito RVC. Per saperne di più.

Impatto dell'intelligenza artificiale

Rischio per lo sviluppo della civiltà umana

Impatto sull’economia e sulle imprese

L’impatto delle tecnologie di intelligenza artificiale sull’economia e sul business

Impatto sul mercato del lavoro

Bias dell’intelligenza artificiale

Al centro di tutto ciò che costituisce la pratica dell’intelligenza artificiale (traduzione automatica, riconoscimento vocale, elaborazione del linguaggio naturale, visione artificiale, guida automatizzata e molto altro) c’è il deep learning. Si tratta di un sottoinsieme dell'apprendimento automatico, caratterizzato dall'uso di modelli di reti neurali, che si può dire imitano il funzionamento del cervello, quindi sarebbe eccessivo classificarli come IA. Qualsiasi modello di rete neurale viene addestrato su grandi set di dati, quindi acquisisce alcune “competenze”, ma il modo in cui le utilizza rimane poco chiaro ai suoi creatori, il che alla fine diventa uno dei problemi più importanti per molte applicazioni di deep learning. Il motivo è che un modello del genere funziona formalmente con le immagini, senza alcuna comprensione di ciò che fa. Un sistema del genere è AI e i sistemi basati sull’apprendimento automatico sono affidabili? Le implicazioni della risposta all’ultima domanda si estendono oltre il laboratorio scientifico. Pertanto, l’attenzione dei media sul fenomeno chiamato AI bias si è notevolmente intensificata. Può essere tradotto come “bias AI” o “bias AI”. Per saperne di più.

Mercato della tecnologia dell’intelligenza artificiale

Il mercato dell’intelligenza artificiale in Russia

Il mercato globale dell’intelligenza artificiale

Aree di applicazione dell'IA

Gli ambiti di applicazione dell'intelligenza artificiale sono piuttosto ampi e coprono sia le tecnologie familiari che i nuovi settori emergenti lontani dall'applicazione di massa, in altre parole si tratta dell'intera gamma di soluzioni, dagli aspirapolvere alle stazioni spaziali. Puoi dividere tutta la loro diversità secondo il criterio dei punti chiave dello sviluppo.

L’intelligenza artificiale non è un argomento monolitico. Inoltre, alcune aree tecnologiche dell’IA appaiono come nuovi sottosettori dell’economia ed entità separate, servendo contemporaneamente la maggior parte dei settori dell’economia.

Lo sviluppo dell’utilizzo dell’AI porta all’adattamento delle tecnologie nei settori classici dell’economia lungo l’intera catena del valore e le trasforma, portando all’algoritizzazione di quasi tutte le funzionalità, dalla logistica alla gestione aziendale.

Utilizzo dell’intelligenza artificiale per la difesa e gli affari militari

Utilizzare nell'istruzione

Usare l’intelligenza artificiale negli affari

L’intelligenza artificiale nel settore dell’energia elettrica

A livello di progettazione: migliore previsione della generazione e della domanda di risorse energetiche, valutazione dell'affidabilità delle apparecchiature di generazione di energia, automazione dell'aumento della produzione quando la domanda aumenta.
A livello di produzione: ottimizzazione della manutenzione preventiva delle apparecchiature, aumento dell'efficienza della generazione, riduzione delle perdite, prevenzione del furto di risorse energetiche.
A livello di promozione: ottimizzazione dei prezzi in base all'ora del giorno e fatturazione dinamica.
A livello di fornitura del servizio: selezione automatica del fornitore più redditizio, statistiche dettagliate sui consumi, servizio clienti automatizzato, ottimizzazione del consumo energetico tenendo conto delle abitudini e del comportamento del cliente.

L'intelligenza artificiale nel settore manifatturiero

A livello di progettazione: aumento dell'efficienza dello sviluppo di nuovi prodotti, valutazione automatizzata dei fornitori e analisi dei requisiti dei pezzi di ricambio.
A livello di produzione: migliorare il processo di completamento delle attività, automatizzare le catene di montaggio, ridurre il numero di errori, ridurre i tempi di consegna delle materie prime.
A livello di promozione: previsione del volume dei servizi di supporto e manutenzione, gestione dei prezzi.
A livello di fornitura del servizio: miglioramento della pianificazione dei percorsi della flotta di veicoli, domanda di risorse della flotta, miglioramento della qualità della formazione dei tecnici dell'assistenza.

L’intelligenza artificiale nelle banche

Riconoscimento di pattern - usato incl. riconoscere i clienti nelle filiali e proporre loro offerte specializzate.

L'intelligenza artificiale nei trasporti

L'industria automobilistica è sull'orlo di una rivoluzione: 5 sfide dell'era della guida senza pilota

L'intelligenza artificiale nella logistica

L'intelligenza artificiale nella produzione della birra

Utilizzo dell’intelligenza artificiale nella pubblica amministrazione

L'intelligenza artificiale in ambito forense

Riconoscimento di pattern - usato incl. per identificare i criminali negli spazi pubblici.

Nel maggio 2018 si è saputo che la polizia olandese utilizzava l’intelligenza artificiale per indagare su crimini complessi.

Le forze dell'ordine hanno iniziato a digitalizzare più di 1.500 rapporti e 30 milioni di pagine relative a casi irrisolti, riferisce The Next Web. I materiali dal 1988 in poi, in cui il crimine non è stato risolto per almeno tre anni e l'autore del reato è stato condannato a più di 12 anni di carcere, vengono trasferiti in formato informatico.

Una volta digitalizzato tutto il contenuto, sarà collegato a un sistema di apprendimento automatico che analizzerà i documenti e deciderà quali casi utilizzano le prove più affidabili. Ciò dovrebbe ridurre il tempo necessario per trattare i casi e risolvere i crimini passati e futuri da diverse settimane a un giorno.

L’intelligenza artificiale classificherà i casi in base alla loro “risolvibilità” e indicherà i possibili risultati del test del DNA. Il piano è quindi quello di automatizzare l'analisi in altre aree della medicina legale e forse anche di espanderla in aree come le scienze sociali e le testimonianze.

Inoltre, come ha affermato Jeroen Hammer, uno degli sviluppatori del sistema, in futuro potrebbero essere rilasciate funzioni API per i partner.

La polizia olandese dispone di un'unità speciale specializzata nello sviluppo di nuove tecnologie per risolvere i crimini. È stato lui a creare il sistema di intelligenza artificiale per la ricerca rapida di criminali sulla base delle prove.

L’intelligenza artificiale in magistratura

Gli sviluppi nel campo dell’intelligenza artificiale contribuiranno a cambiare radicalmente il sistema giudiziario, rendendolo più giusto e libero da schemi di corruzione. Questa opinione è stata espressa nell'estate del 2017 da Vladimir Krylov, dottore in scienze tecniche, consulente tecnico di Artezio.

Lo scienziato ritiene che le soluzioni esistenti nel campo dell'intelligenza artificiale possano essere applicate con successo in vari ambiti dell'economia e della vita pubblica. L’esperto sottolinea che l’intelligenza artificiale viene utilizzata con successo in medicina, ma in futuro potrà cambiare completamente il sistema giudiziario.

“Guardando ogni giorno le notizie sugli sviluppi nel campo dell'intelligenza artificiale, rimani solo stupito dall'inesauribile immaginazione e dalla fecondità dei ricercatori e degli sviluppatori in questo campo. I resoconti sulla ricerca scientifica sono costantemente intervallati da pubblicazioni su nuovi prodotti che irrompono sul mercato e resoconti di risultati sorprendenti ottenuti attraverso l’uso dell’intelligenza artificiale in vari campi. Se parliamo di eventi attesi, accompagnati da un notevole clamore mediatico, in cui l'intelligenza artificiale diventerà nuovamente l'eroe delle notizie, probabilmente non rischierò di fare previsioni tecnologiche. Posso presumere che il prossimo evento sarà l'apparizione da qualche parte di un tribunale estremamente competente sotto forma di intelligenza artificiale, giusta e incorruttibile. Ciò avverrà, a quanto pare, nel 2020-2025. E i processi che si svolgeranno in questo tribunale porteranno a riflessioni inaspettate e al desiderio di molte persone di trasferire sull’IA gran parte dei processi di gestione della società umana”.

Lo scienziato riconosce l’uso dell’intelligenza artificiale nel sistema giudiziario come un “passo logico” per sviluppare l’uguaglianza legislativa e la giustizia. L'intelligenza artificiale non è soggetta alla corruzione e alle emozioni, può aderire rigorosamente al quadro legislativo e prendere decisioni tenendo conto di molti fattori, compresi i dati che caratterizzano le parti in causa. Per analogia con il campo medico, i giudici robot possono operare con i big data provenienti dagli archivi dei servizi governativi. Si può presumere che l’intelligenza artificiale sarà in grado di elaborare rapidamente i dati e di tenere conto di un numero significativamente maggiore di fattori rispetto a un giudice umano.

Gli psicologi esperti, tuttavia, ritengono che l'assenza di una componente emotiva nell'esame dei casi giudiziari influirà negativamente sulla qualità della decisione. Il verdetto di un tribunale automatico potrebbe essere troppo semplice e non tenere conto dell’importanza dei sentimenti e degli stati d’animo delle persone.

Pittura

Nel 2015, il team di Google ha testato le reti neurali per vedere se potevano creare immagini da sole. Quindi l'intelligenza artificiale è stata addestrata utilizzando un gran numero di immagini diverse. Tuttavia, quando alla macchina è stato “chiesto” di rappresentare qualcosa da sola, si è scoperto che interpretava il mondo che ci circondava in un modo un po’ strano. Ad esempio, per il compito di disegnare manubri, gli sviluppatori hanno ricevuto un'immagine in cui il metallo era collegato da mani umane. Ciò è probabilmente dovuto al fatto che in fase di allenamento le immagini analizzate con manubri contenevano mani e la rete neurale lo ha interpretato in modo errato.

Il 26 febbraio 2016, in un'asta speciale a San Francisco, i rappresentanti di Google hanno raccolto circa 98mila dollari da dipinti psichedelici creati dall'intelligenza artificiale. Questi fondi sono stati donati in beneficenza. Di seguito viene presentata una delle immagini di maggior successo dell'auto.

Un quadro dipinto dall'intelligenza artificiale di Google.

Tra le classi più importanti di compiti che sono stati posti agli sviluppatori di sistemi intelligenti dalla definizione dell'intelligenza artificiale come direzione scientifica (dalla metà degli anni '50 del XX secolo), vanno evidenziati i seguenti: ambiti dell’intelligenza artificiale, che risolvono problemi difficilmente formalizzabili: dimostrazione di teoremi, riconoscimento di immagini, traduzione automatica e comprensione del linguaggio umano, programmi di gioco, creatività delle macchine, sistemi esperti. Consideriamo brevemente la loro essenza.

Indicazioni dell'intelligenza artificiale

Dimostrazione di teoremi. Lo studio delle tecniche di dimostrazione di teoremi ha svolto un ruolo importante nello sviluppo dell'intelligenza artificiale. Molti problemi informali, ad esempio la diagnostica medica, vengono risolti utilizzando approcci metodologici utilizzati per automatizzare la dimostrazione di teoremi. Trovare la dimostrazione di un teorema matematico richiede non solo la deduzione da ipotesi, ma anche la creazione di presupposti intuitivi su quali affermazioni intermedie dovrebbero essere dimostrate per la dimostrazione complessiva del teorema principale.

Riconoscimento delle immagini. L'uso dell'intelligenza artificiale per il riconoscimento delle immagini ha permesso di creare sistemi praticamente funzionanti per identificare oggetti grafici basati su caratteristiche simili. Qualsiasi caratteristica degli oggetti da riconoscere può essere considerata come caratteristiche. Le caratteristiche devono essere invarianti rispetto all'orientamento, alle dimensioni e alla forma degli oggetti. L'alfabeto delle funzionalità è formato dallo sviluppatore del sistema. La qualità del riconoscimento dipende in gran parte da quanto bene è stato sviluppato l'alfabeto delle caratteristiche. Il riconoscimento consiste nell'ottenere a priori un vettore delle caratteristiche per un oggetto separato selezionato nell'immagine e, quindi, nel determinare a quale degli standard dell'alfabeto delle caratteristiche corrisponde questo vettore.

Traduzione automatica e comprensione del parlato umano. Il compito di analizzare le frasi del linguaggio umano utilizzando un dizionario è un compito tipico dei sistemi di intelligenza artificiale. Per risolvere questo problema è stata creata una lingua intermedia che facilita il confronto di frasi di diverse lingue. Successivamente, questa lingua intermedia si è trasformata in un modello semantico per rappresentare i significati dei testi da tradurre. L'evoluzione del modello semantico ha portato alla creazione di un linguaggio per la rappresentazione interna della conoscenza. Di conseguenza, i sistemi moderni analizzano testi e frasi in quattro fasi principali: analisi morfologica, analisi sintattica, semantica e pragmatica.

Programmi di gioco. La maggior parte dei programmi di gioco si basa su alcune idee di base dell'intelligenza artificiale, come l'iterazione e l'autoapprendimento. Uno dei problemi più interessanti nel campo dei programmi di gioco che utilizzano metodi di intelligenza artificiale è insegnare a un computer a giocare a scacchi. È stata fondata agli albori dell'informatica, alla fine degli anni '50.

Negli scacchi esistono determinati livelli di abilità, gradi di qualità del gioco, che possono fornire criteri chiari per valutare la crescita intellettuale del sistema. Pertanto, gli scacchi informatici sono stati studiati attivamente da scienziati di tutto il mondo e i risultati dei loro risultati sono stati utilizzati in altri sviluppi intellettuali che hanno un significato pratico reale.

Nel 1974, il campionato mondiale tra i programmi di scacchi si tenne per la prima volta nell'ambito del regolare congresso IFIP (International Federation of Information Processing) a Stoccolma. Il vincitore di questo concorso è stato il programma di scacchi “Kaissa”. È stato creato a Mosca, presso l'Istituto per i problemi di gestione dell'Accademia delle scienze dell'URSS.

Creatività della macchina. Uno degli ambiti di applicazione dell'intelligenza artificiale comprende i sistemi software in grado di creare autonomamente musica, poesie, racconti, articoli, diplomi e persino tesi di laurea. Oggi esiste un'intera classe di linguaggi di programmazione musicale (ad esempio, il linguaggio C-Sound). Per vari compiti musicali sono stati creati software speciali: sistemi di elaborazione del suono, sintesi del suono, sistemi di composizione interattiva, programmi di composizione algoritmica.

Sistemi esperti. I metodi di intelligenza artificiale hanno trovato applicazione nella creazione di sistemi di consulenza automatizzati o sistemi esperti. I primi sistemi esperti furono sviluppati come strumenti di ricerca negli anni ’60.

Erano sistemi di intelligenza artificiale appositamente progettati per risolvere problemi complessi in un ambito ristretto, come la diagnosi medica delle malattie. L'obiettivo classico di questa direzione era inizialmente quello di creare un sistema di intelligenza artificiale generico in grado di risolvere qualsiasi problema senza conoscenze specifiche nell'area in oggetto. A causa delle limitate risorse di calcolo, questo problema si è rivelato troppo complesso per essere risolto con un risultato accettabile.

Implementazione commerciale di sistemi esperti si è verificato nei primi anni ’80 e da allora i sistemi esperti si sono diffusi. Sono utilizzati negli affari, nella scienza, nella tecnologia, nella produzione e in molte altre aree in cui esiste un'area tematica ben definita. Il significato principale dell'espressione "ben definito" è che un esperto umano è in grado di determinare le fasi del ragionamento con l'aiuto delle quali è possibile risolvere qualsiasi problema in una determinata area tematica. Ciò significa che azioni simili possono essere eseguite da un programma per computer.

Ora possiamo dirlo con sicurezza utilizzo di sistemi di intelligenza artificiale apre ampi confini.

Oggi i sistemi esperti rappresentano una delle applicazioni di maggior successo della tecnologia dell’intelligenza artificiale. Pertanto, ti consigliamo di familiarizzare con.

Definizione

Intelligenza artificiale può essere definita come una disciplina scientifica che si occupa dell’automazione del comportamento intelligente.

Intelligenza artificiale (AI, Inglese Intelligenza artificiale, AI) - la scienza e la tecnologia per creare macchine intelligenti, in particolare programmi per computer intelligenti. L’intelligenza artificiale è legata al compito simile di utilizzare i computer per comprendere l’intelligenza umana, ma non è necessariamente limitata a metodi biologicamente plausibili.

Traguardi e obbiettivi

L'obiettivo dell'intelligenza artificiale è creare sistemi tecnici in grado di risolvere problemi non computazionali ed eseguire azioni che richiedono l'elaborazione di informazioni significative e sono considerate prerogativa del cervello umano. Tali problemi includono, ad esempio, problemi di dimostrazione di teoremi, problemi di gioco (ad esempio, quando si gioca a scacchi), problemi di traduzione da una lingua all'altra, composizione di musica, riconoscimento di immagini visive, risoluzione di complessi problemi creativi di scienza e pratica sociale. Uno dei compiti importanti dell'intelligenza artificiale è la creazione di robot intelligenti in grado di eseguire autonomamente operazioni per raggiungere obiettivi fissati dagli esseri umani e apportare modifiche alle loro azioni.

Struttura concettuale

L’“intelligenza artificiale” è costituita da diversi principi e discipline di base che ne costituiscono la base. Ciò è descritto più dettagliatamente nella figura fornita di seguito. Immagine tratta da

Di seguito sono riportate le definizioni di base dei termini utilizzati nell'immagine.

Logica confusa e teoria degli insiemi fuzzy - una branca della matematica che è una generalizzazione della logica classica e della teoria degli insiemi. Il concetto di logica fuzzy fu introdotto per la prima volta dal professor Lutfi Zadeh nel 1965. In questo articolo, il concetto di insieme è stato ampliato presupponendo che la funzione di appartenenza di un elemento in un insieme possa assumere qualsiasi valore nell'intervallo e non solo 0 o 1. Tali insiemi erano chiamati fuzzy. L'autore ha anche proposto varie operazioni logiche sugli insiemi fuzzy e ha proposto il concetto di variabile linguistica, i cui valori sono insiemi fuzzy.

Reti neurali artificiali(ANN) - modelli matematici, nonché le loro implementazioni software o hardware, basati sul principio di organizzazione e funzionamento delle reti neurali biologiche - reti di cellule nervose di un organismo vivente. Questo concetto è nato studiando i processi che si verificano nel cervello e cercando di modellare questi processi. Il primo tentativo del genere furono le reti neurali di McCulloch e Pitts. Successivamente, dopo lo sviluppo degli algoritmi di apprendimento, i modelli risultanti iniziarono ad essere utilizzati per scopi pratici: in problemi di previsione, per il riconoscimento di pattern, in problemi di controllo, ecc.

Agente intelligente- un programma che esegue autonomamente un compito specificato dall'utente del computer per lunghi periodi di tempo. Gli agenti intelligenti vengono utilizzati per assistere l'operatore o raccogliere informazioni. Un esempio di compiti svolti dagli agenti è il compito di cercare e raccogliere costantemente le informazioni necessarie su Internet. Virus informatici, bot, robot di ricerca: tutto questo può essere classificato anche come agente intelligente. Sebbene tali agenti abbiano un algoritmo rigoroso, l’“intelligenza” in questo contesto è intesa come la capacità di adattarsi e apprendere.

Sistema esperto (ES, sistema esperto)- un programma per computer che può sostituire parzialmente un esperto nella risoluzione di una situazione problematica. I moderni ES iniziarono a essere sviluppati dai ricercatori di intelligenza artificiale negli anni '70 e ricevettero supporto commerciale negli anni '80. I precursori dei sistemi esperti furono proposti nel 1832 da S. N. Korsakov, che creò dispositivi meccanici, le cosiddette “macchine intelligenti”, che permettevano di trovare soluzioni a determinate condizioni, ad esempio, di determinare i farmaci più appropriati in base al sintomi di una malattia osservata in un paziente.

Algoritmo genetico(Inglese) algoritmo genetico) è un algoritmo di ricerca euristico utilizzato per risolvere problemi di ottimizzazione e modellazione selezionando, combinando e variando in modo casuale i parametri desiderati utilizzando meccanismi che ricordano l'evoluzione biologica. È un tipo di calcolo evolutivo. Una caratteristica distintiva dell'algoritmo genetico è l'enfasi sull'uso dell'operatore “crossing”, che esegue l'operazione di ricombinazione delle soluzioni candidate, il cui ruolo è simile al ruolo dell'incrocio nella natura vivente.

Modelli e metodi di ricerca

Modellazione simbolica dei processi di pensiero

Analizzando la storia dell'intelligenza artificiale, possiamo identificare un'area così ampia come ragionamento modellante. Per molti anni, lo sviluppo di questa scienza si è mosso proprio lungo questo percorso, e ora è una delle aree più sviluppate dell'intelligenza artificiale moderna. Il ragionamento di modellazione implica la creazione di sistemi simbolici, il cui input è un certo problema e l'output richiede la sua soluzione. Di norma, il problema proposto è già stato formalizzato, cioè tradotto in forma matematica, ma o non ha un algoritmo di soluzione, oppure è troppo complesso, richiede tempo, ecc. Quest'area comprende: dimostrare teoremi, prendere decisioni E teoria del gioco, pianificazione e dispacciamento, previsione.

Lavorare con i linguaggi naturali

Una direzione importante è elaborazione del linguaggio naturale, all'interno del quale viene effettuata l'analisi delle capacità di comprensione, elaborazione e generazione di testi in linguaggio “umano”. In particolare, il problema della traduzione automatica dei testi da una lingua all'altra non è stato ancora risolto. Nel mondo moderno, lo sviluppo di metodi di recupero delle informazioni gioca un ruolo importante. Per sua natura, il test di Turing originale è legato a questa direzione.

Accumulazione e utilizzo della conoscenza

Secondo molti scienziati, una proprietà importante dell'intelligenza è la capacità di apprendere. Quindi, viene alla ribalta ingegneria della conoscenza, combinando i compiti di ottenere conoscenza da informazioni semplici, la sua sistematizzazione e utilizzo. I progressi in questo settore interessano quasi ogni altro ambito della ricerca sull’intelligenza artificiale. Anche in questo caso non possono essere trascurati due importanti sottosettori. Il primo è apprendimento automatico- riguarda il processo indipendente acquisizione della conoscenza da parte di un sistema intelligente nel processo del suo funzionamento. Il secondo è legato alla creazione sistemi esperti- programmi che utilizzano basi di conoscenza specializzate per ottenere conclusioni affidabili su qualsiasi problema.

Il campo dell'apprendimento automatico comprende un'ampia classe di problemi che coinvolgono riconoscimento di modelli. Ad esempio, si tratta del riconoscimento dei caratteri, del testo scritto a mano, del parlato, dell'analisi del testo. Molti problemi vengono risolti con successo utilizzando la modellistica biologica (vedi paragrafo successivo). Particolarmente degno di nota visione computerizzata, che è anche legato alla robotica.

Modellazione biologica dell'intelligenza artificiale

Si differenzia dalla comprensione dell'intelligenza artificiale secondo John McCarthy, quando partono dalla posizione secondo cui i sistemi artificiali non sono obbligati a ripetere nella loro struttura e nel loro funzionamento la struttura e i processi che si verificano in essa inerenti ai sistemi biologici i fenomeni del comportamento umano, la sua capacità di apprendimento e adattamento sono una conseguenza della struttura biologica e delle caratteristiche del suo funzionamento.

Ciò include diverse aree. Reti neurali vengono utilizzati per risolvere problemi confusi e complessi come il riconoscimento di forme geometriche o il clustering di oggetti. Approccio genetico si basa sull’idea che un algoritmo può diventare più efficiente se prende in prestito caratteristiche migliori da altri algoritmi (“genitori”). Viene chiamato un approccio relativamente nuovo, in cui il compito è creare un programma autonomo, un agente che interagisce con l'ambiente esterno approccio dell'agente.

Prospettive di sviluppo

Attualmente lo sviluppo dell’intelligenza artificiale si è ramificato in grandi settori, che ricevono l’attenzione principale sotto forma di investimenti materiali e intellettuali. Immagine tratta da

Letteratura

1)"Gestione della conoscenza aziendale e reingegnerizzazione del business" Abdikeev, Kiselev

Le principali risorse per lo sviluppo delle imprese diventano sempre più le persone e le conoscenze in loro possesso, capitale intellettuale e crescente competenza professionale del personale. Oggi sono necessari nuovi metodi di sviluppo organizzativo, basati sull'intersezione di approcci umanitari e ingegneristici, che consentiranno di ottenere un effetto sinergico dalla loro interazione. Questo approccio si basa sui moderni progressi della tecnologia dell’informazione, vale a dire le tecnologie cognitive per lo sviluppo organizzativo. Lo sviluppo della simbiosi è rilevante concetti di gestione della conoscenza, reingegnerizzazione dei processi aziendali e componente cognitiva umana.
Per dirigenti senior, analisti aziendali, studenti dei programmi MBA in indicazioni "Gestione strategica","Gestione anticrisi", studenti delle università economiche a livello di master, dottorandi e docenti nel campo della gestione aziendale e della reingegneria aziendale.

2) " Modelli e metodi dell'intelligenza artificiale. Applicazione in economia." M.G. Matveev, A.S. Sviridov, N.A. Aleynikova

P Vengono presentati i fondamenti teorici dell'intelligenza artificiale: aspetti informativi, informazioni sulla logica binaria e fuzzy, nonché metodi e modelli aree attuali dell'intelligenza artificiale, dei sistemi esperti, dell'ingegneria della conoscenza, delle reti neurali e degli algoritmi genetici. Le questioni relative all'implementazione pratica dei sistemi intelligenti sono discusse in dettaglio. Vengono forniti molti esempi per illustrare lo sviluppo e l'applicazione dei metodi e dei modelli in esame. Particolare attenzione è riservata ai problemi economici.

3) "Intelligenza artificiale e sistemi di controllo intelligenti." I. M. Makarov, V. M. Lokhin, S. V. Manko, M. P. Romanov; redattore capo I. M. Makarov

Una nuova classe di sistemi di controllo automatico intelligenti, in fase di sviluppo attivo, basati sulla tecnologia di elaborazione della conoscenza, è considerata dal punto di vista dell'applicazione efficace nella risoluzione dei problemi di controllo in condizioni di incertezza. Vengono delineate le basi della costruzione di sistemi intelligenti.

4) "Intelligenza artificiale: un approccio moderno." S. Russell, P. Norvig

Il libro presenta tutte le conquiste moderne e delinea le idee che sono state formulate nella ricerca condotta negli ultimi cinquant'anni, nonché raccolte in oltre due millenni nel campo della conoscenza che è diventato l'impulso per lo sviluppo dell'intelligenza artificiale come scienza della progettazione agenti razionali.

Elenco delle fonti

5) http://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0 %BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82

Questa sezione è dedicata agli algoritmi genetici. Cosa sono gli algoritmi genetici? Si tratta essenzialmente di algoritmi di ottimizzazione che appartengono alla classe delle euristiche. Questi algoritmi eliminano l'enumerazione di tutte le opzioni e riducono significativamente i tempi di calcolo. La specificità del funzionamento di questi algoritmi si riduce alla simulazione di processi evolutivi.

9) http://www.gotai.net/implementations.aspx

Qui troverai idee e soluzioni già pronte per l'utilizzo dell'intelligenza artificiale e delle teorie correlate per risolvere alcuni problemi pratici.

10) http://www.gotai.net/documents-logic.aspx

Questa sezione contiene materiali che in un modo o nell'altro si riferiscono al metodo classico di modellazione dei sistemi di intelligenza artificiale, modellazione basata su vari dispositivi logici. Di norma, si tratta di materiali relativi a sistemi esperti, sistemi di supporto alle decisioni e sistemi di agenti.

11) http://khpi-iip.mipk.kharkiv.edu/library/ai/conspai/12.html

Tendenze di sviluppo dell'IA

Questo articolo è disponibile anche nelle seguenti lingue: tailandese

Prossimo

GRAZIE mille per le informazioni molto utili contenute nell'articolo. Tutto è presentato in modo molto chiaro. Sembra che sia stato fatto molto lavoro per analizzare il funzionamento del negozio eBay
- guscio delle radici
  
  Grazie a te e agli altri lettori abituali del mio blog. Senza di te, non sarei abbastanza motivato da dedicare molto tempo al mantenimento di questo sito. Il mio cervello è strutturato in questo modo: mi piace scavare in profondità, sistematizzare dati sparsi, provare cose che nessuno ha mai fatto prima o guardato da questa angolazione. È un peccato che i nostri connazionali non abbiano tempo per fare acquisti su eBay a causa della crisi in Russia. Acquistano da Aliexpress dalla Cina, poiché le merci sono molto più economiche (spesso a scapito della qualità). Ma le aste online eBay, Amazon, ETSY daranno facilmente ai cinesi un vantaggio nella gamma di articoli di marca, articoli vintage, articoli fatti a mano e vari articoli etnici.
  - Prossimo
    
    Ciò che è prezioso nei tuoi articoli è il tuo atteggiamento personale e l'analisi dell'argomento. Non mollare questo blog, ci vengo spesso. Dovrebbero essere in molti così. Mandami un'email Recentemente ho ricevuto un'e-mail con un'offerta che mi avrebbero insegnato come fare trading su Amazon ed eBay. E mi sono ricordato dei tuoi articoli dettagliati su questi mestieri. la zona
guscio delle radici

Ho riletto tutto di nuovo e ho concluso che i corsi sono una truffa. Non ho ancora comprato nulla su eBay. Non vengo dalla Russia, ma dal Kazakistan (Almaty). Ma non abbiamo ancora bisogno di spese aggiuntive. Ti auguro buona fortuna e resta al sicuro in Asia.
È anche bello che i tentativi di eBay di russificare l'interfaccia per gli utenti provenienti dalla Russia e dai paesi della CSI abbiano iniziato a dare i loro frutti. Dopotutto, la stragrande maggioranza dei cittadini dei paesi dell'ex Unione Sovietica non ha una conoscenza approfondita delle lingue straniere. Non più del 5% della popolazione parla inglese. Ce ne sono di più tra i giovani. Pertanto, almeno l'interfaccia è in russo: questo è di grande aiuto per gli acquisti online su questa piattaforma di trading. eBay non ha seguito il percorso della sua controparte cinese Aliexpress, dove viene eseguita una traduzione automatica (molto goffa e incomprensibile, a volte provocante risate) delle descrizioni dei prodotti. Spero che in una fase più avanzata di sviluppo dell'intelligenza artificiale, la traduzione automatica di alta qualità da qualsiasi lingua a qualsiasi altra in pochi secondi diventi realtà. Finora abbiamo questo (il profilo di uno dei venditori su eBay con un'interfaccia russa, ma una descrizione in inglese):

Ingegnere elettrico

Illuminazione bicicletta fai da te con striscia LED Striscia LED fai da te per raggi di bicicletta

Illuminare le ruote della bicicletta utilizzando una striscia LED è un ottimo modo per mettere in risalto il tuo amico a due ruote sullo sfondo dell'oscurità e sorprendere i passanti con il suo aspetto originale. A differenza di quanto pubblicizzato...

Mietitrebbie Polesie: rassegna di modelli e prezzi

Taglio longitudinale

Sezione longitudinale del Titanic

Disegni del Titanic, una nave a vapore della società di costruzioni navali britannica White Star Line. La costruzione di una grande nave durò più di due anni. Nel cantiere lavoravano circa 3.000 persone. A maggio...

Tutte le foto dell'articolo Il legno non è solo un materiale per realizzare travi, tavole e altri elementi da costruzione, ma è anche uno spazio per la creatività, poiché questo materiale viene lavorato...

Come creare da soli quadri d'interni?

Gli oggetti decorativi fatti a mano stanno diventando sempre più popolari ogni anno, poiché tutti vogliono avere una decorazione esclusiva nella propria casa e non un souvenir senza volto replicato da...

Come combinare il rame con l'alluminio: meglio è e più affidabile

Quando si installano i cavi elettrici, a volte sorge la domanda sul collegamento di fili in rame e alluminio. Questo problema è particolarmente rilevante durante i lavori elettrici nei vecchi complessi abitativi, dove la parte principale...

Come scegliere il miglior chiaro di luna per uso domestico

Per preparare tu stesso una bevanda alcolica di alta qualità, devi selezionare attentamente le materie prime e dedicare molto tempo al processo tecnologico. Gli alambicchi Moonshine semplificano questo compito:...

Mini mulino per farina fatto in casa

Tutti i proprietari di fattorie sanno quanto sia utile un mulino per cereali personale, che è facile da realizzare con le proprie mani. Usando questo disegno, puoi rinnovare le scorte di cibo per i conigli...

Cornici per foto gratuite online: bellissimi effetti fotografici

Divertiti, sorridi e crea con i nostri effetti fotografici Il sito del servizio contiene una raccolta unica di bellissimi effetti fotografici e moderni (come gli effetti Instagram). Ti piacerà...

Vecchi fari Foto di fari abbandonati

Cliccabile 1920 px Ricorda, te l'ho mostrato. Non volevo riempire l'argomento con ogni sorta di cose e dettagli interessanti, c'era già qualcosa da guardare :-) Ma ora vi parlo di...