קורס הכשרה למערכות בינה מלאכותית. מערכות בינה מלאכותית

1

הדרכה « DBMS: SQL Language in Examples and Tasks, מאת Astakhova I.F., Todstobrova A.P., Melnikova V.M., Fertikova V.V., שיצא לאור על ידי FIZMATLIT בשנת 2007 ואושר על ידי משרד החינוך והמדע, מכיל מבחר דוגמאות ותרגילים בדרגות מורכבות שונות להעניק שיעורים מעשיים ומעבדתיים ללימוד יסודות שפת SQL במסגרת קורס ההכשרה המוקדש למערכות מידע עם מאגרי מידע לכיוון הכשרה וההתמחות "מתמטיקה שימושית ואינפורמטיקה". מערכות מידע המשתמשות במאגרי מידע הן כיום אחד התחומים החשובים ביותר בטכנולוגיית המחשב המודרנית. חלק גדול משוק התוכנה המודרני קשור לתחום זה. בהתחשב במקום שתופסת שפת SQL בטכנולוגיות מידע מודרניות, הידע שלה נחוץ לכל מומחה העוסק בתחום זה. לפיכך, פיתוחו המעשי הוא חלק בלתי נפרד מהשתלמויות שמטרתן לימוד מערכות מידע עם מאגרי מידע. נכון לעכשיו, קורסים כאלה כלולים בתוכניות הלימודים של מספר התמחויות באוניברסיטה. ללא ספק, על מנת להעניק לסטודנטים אפשרות לרכוש מיומנויות יציבות בשפת SQL, קורס ההכשרה המקביל, בנוסף להיכרות תיאורטית עם יסודות השפה, חייב בהכרח להכיל כמות גדולה מספיק של שיעורי מעבדה על השימוש המעשי בו. . ספר הלימוד המוצע מכוון בעיקר לתמיכה מתודולוגית בדיוק של שיעורים מסוג זה. בהקשר זה היא מתמקדת בבחירת דוגמאות מעשיות, משימות ותרגילים בדרגות מורכבות שונות בהרכבת שאילתות SQL, המאפשרות לקיים שיעורים מעשיים בלימוד שפות במהלך הסמסטר האקדמי.

ספר לימוד "מערכות בינה מלאכותית. קורס מעשי" מאת Astakhova I.F., Chulyukov V.A., Potapov A.S., Milovskoy L.S., Kashirina I.L., Bogdanova M.V., Prosvetova Yu.V. השכלה אוניברסיטאית קלאסית והוצאה לאור בהוצאת BINOM. מעבדת ידע ו-FIZMATLIT בשנת 2008, הוכנה להרצאות ושיעורי מעבדה בדיסציפלינות "בנקי נתונים ומערכות מומחים", "מאגרי מידע ומערכות מומחים", "מערכות בינה מלאכותית", "מערכות אינטליגנטיות מידע". ספר זה מוקדש לכיוון של אינפורמטיקה, שבה בשנים האחרונות יש מעט מאוד ספרות חינוכית ביתית למוסדות להשכלה גבוהה. ספרים מתורגמים דומים יותר לפרסומים מדעיים מאשר ספרי לימוד. היה צורך להמציא הרבה דוגמאות, משימות מעבדה שהתלמידים יבצעו במחשב וירכשו ידע, מיומנויות ויכולות (מבחינת גישה מבוססת מיומנות לחינוך).

היתרון העיקרי והשוני המשמעותי של ספר לימוד זה מפרסומים דומים הוא נוכחות בו של כ-100 דוגמאות, 235 תרגילים, 79 שאלות לחזרה על החומר שנסקר, 11 עבודות מעבדה בהן לומדים 6 מוצרי תוכנה שונים.

קישור ביבליוגרפי

Astakhova I.F., Tolstobrov A.P., Chulyukov V.A., Potapov A.S. הדרכות "DBMS: שפת SQL בדוגמאות ומשימות", "בינה מלאכותית. קורס מעשי" // בעיות מודרניות של מדע וחינוך. - 2009. - מס' 1.;
כתובת אתר: http://science-education.ru/ru/article/view?id=901 (תאריך גישה: 17.09.2019). אנו מביאים לידיעתכם את כתבי העת בהוצאת ההוצאה "האקדמיה להיסטוריה של הטבע"

הסוכנות הפדרלית לחינוך

מוסד חינוך ממלכתי

השכלה מקצועית גבוהה

"האוניברסיטה הטכנית של מדינת וולגוגרד"

המכון הטכנולוגי של קמישינסקי (סניף)

SEI HPE "האוניברסיטה הטכנית של מדינת וולגוגרד"

קורס מעשי בנושא המשמעת "מערכות של אינטליגנציה מלאכותית"

מהדורה אלקטרונית חינוכית

וולגוגרד

NL - שפה טבעית

AI - בינה מלאכותית

LP - לוגיקה של פרדיקטים

מקבל החלטות - מקבל החלטות

MT - מכונת טיורינג

PGA - אלגוריתם גנטי פשוט

PPF היא נוסחה מעוצבת היטב

PRO - אופרטור רקורסיבי פרימיטיבי

PRF - פונקציה רקורסיבית פרימיטיבית

RF - פונקציה רקורסיבית

SNI - מערכת בינה מלאכותית

FP - פונקציית כושר

TF - פונקציה אובייקטיבית

ES - מערכת מומחים

מבוא

בתחילה, בינה מלאכותית נחשבה כמדע של יצירת מכונות חשיבה. אזור זה נחשב הגביע הקדוש של מדעי המחשב. עם הזמן, הבינה המלאכותית התפתחה לדיסציפלינה פרגמטית יותר. תחום זה כולל עדיין את חקר מנגנוני החשיבה. במסגרת הבינה המלאכותית נשקלות אסטרטגיות שונות לפתרון ממוחשב של בעיות מעשיות מורכבות. בנוסף, היום התברר שהאינטלקט עצמו הוא ישות מורכבת מדי שלא ניתן לתאר במסגרת תיאוריה אחת. תיאוריות שונות מתארות אותו ברמות שונות של הפשטה. למידה ברמה הנמוכה ביותר מסופקת על ידי רשתות עצביות המזהות מכונות, אלגוריתמים גנטיים וצורות חישוב אחרות המדגימות את היכולת להסתגל, לתפוס ולתקשר עם העולם הפיזי. יוצרי מערכות מומחים, סוכנים אינטליגנטיים, מודלים סטוכסטיים ומערכות הבנת שפה טבעית עובדים ברמת הפשטה גבוהה יותר. רמה זו לוקחת בחשבון את תפקידם של תהליכים חברתיים ביצירה, העברה והפקה של ידע. רמת ההפשטה הגבוהה ביותר כוללת גישות לוגיות, כולל דדוקטיביות, מודלים חטפים, מערכות תומכות אמת וצורות ושיטות חשיבה אחרות.

מדריך זה מתאר את היסודות של כמה תיאוריות ברמה נמוכה עם משימות מעשיות לחקר אלגוריתמים המבוססים על הוראות התיאוריות הללו. בפרט, היסודות של התיאוריה של זיהוי דפוסים נחשבים עם המשימה של לימוד פונקציות הבחנה ליניאריות ופונקציות דמיון; תיאוריה של רשתות עצביות מלאכותיות עם ניסוח הבעיה של חקר המאפיינים של רשתות עצביות מלאכותיות על בעיית זיהוי הדפוסים; אלגוריתמים גנטיים עם ניסוח הבעיה של חקר תכונותיהם בעת חיפוש הקיצון של פונקציה. כדי לבצע משימות מחקר, יש צורך להיות מסוגל לתכנת בכל שפת תכנות, רצוי מונחה עצמים.

1.1. מקורותיה של תורת הבינה המלאכותית

1.1.1. הרעיון של בינה מלאכותית

טווח אינטליגנציה(אינטליגנציה) בא מהלטינית intellectus, שפירושו המוח, התבונה, השכל, היכולות השכליות של האדם. בהתאמה בינה מלאכותית(AI, במקבילה באנגלית: artificial intelligence, AI) הוא רכושן של מערכות אוטומטיות לקחת על עצמו פונקציות בודדות של בינה אנושית.

כל בינה מלאכותית היא מודל של קבלת החלטות המתבצעת על ידי האינטליגנציה הטבעית של אדם. בינה מלאכותית יכולה לטעון להשוואה לאינטליגנציה טבעית, בתנאי שאיכות הפתרונות שנוצרו לא תהיה גרועה מהבינה הטבעית הממוצעת.

1.1.2. בינה מלאכותית בלולאת האוטומציה

במערכות כאלה, לולאת הבקרה מוצגת מקבל החלטות(LPR).

למקבל ההחלטות מערכת העדפות משלו לגבי הקריטריון של ניהול אובייקט, ואף מטרת קיומו של האובייקט. מקבל ההחלטות, לרוב, אינו מסכים, לפחות חלקית, עם המשטרים שמציעה ה-ACS המסורתית. מקבל ההחלטות שולט, ככלל, על הפרמטרים העיקריים של המערכת, בעוד השאר נשלט על ידי מערכות בקרה מקומיות. יש בעיה של אוטומציה של פעילות מקבלי ההחלטות בלולאת הבקרה.

בינה מלאכותית היא כיוון מחקרי היוצר מודלים וכלי תוכנה מתאימים המאפשרים באמצעות מחשבים לפתור בעיות בעלות אופי יצירתי, לא חישובי, אשר בתהליך הפתרון דורשות פנייה לסמנטיקה (בעיית המשמעות).

AI היא מערכת תוכנה המדמה חשיבה אנושית במחשב. כדי ליצור מערכת כזו, יש צורך ללמוד את תהליך החשיבה של מקבל ההחלטות, להדגיש את השלבים העיקריים של תהליך זה, לפתח תוכנה שמשחזרת את השלבים הללו במחשב.

1.1.3. מושג המשימה והפעילות האינטלקטואלית

תכונה של האינטליגנציה האנושית היא היכולת לפתור בעיות אינטלקטואליות על ידי רכישה, שינון והפיכת ידע מכוונת בתהליך של למידה מניסיון והתאמה לנסיבות שונות.

משימות אינטלקטואליות- בעיות, החלוקה הפורמלית של תהליך מציאת הפתרון שלהן לצעדים אלמנטריים נפרדים מתבררת לרוב כקשה מאוד, גם אם הפתרון שלהן עצמו אינו קשה.

את פעילות המוח, שמטרתה לפתור בעיות אינטלקטואליות, נקרא חשיבה או פעילות אינטלקטואלית.

פעילות אינטלקטואלית מרמזת על היכולת להסיק, לייצר, לעצב פתרון שאינו מפורש ומוכן במערכת. גזירת פתרונות אפשרית רק אם יש ייצוג פנימי של ידע במערכת ( מודלים של העולם החיצון) - ייצוג רשמי של ידע על העולם החיצון (תחום נושא אוטומטי).

1.1.4. הצעדים הראשונים בהיסטוריה של הבינה המלאכותית

התוכניות הראשונות המיישמות את תכונות הפעילות האינטלקטואלית:

1. תרגום מכונה (1947). בברית המועצות, מאז 1955, העבודה בתחום התרגום המכונה קשורה ב-. המשימה של תרגום מכונה דרשה הפרדת ידע מקוד. הופעתה של שפה מתווך סימנה את הניסיון הראשון ליצור שפה לייצוג פנימי של ידע.

2. הפניה אוטומטית ואחזור מידע (1957, ארה"ב). הרעיון של בידוד מערכת של קשרים-יחסים בין עובדות אינדיבידואליות, המגולמות במושג התזאורוס.

3. הוכחת משפטים (1956, ארה"ב). הופעתה של תוכנית להוכחת משפטי לוגיקה פרופוזיציוניים: "לוגיקה-תיאורטיקן". בשנת 1965 הופיעה שיטת הרזולוציה (J. Robinson, ארה"ב), בשנת 1967, השיטה ההפוכה (, ברית המועצות). שיטות מיישמות את רעיון השימוש הֵאוֹרִיסטִי– כללים ניסיוניים לצמצום ספירת האפשרויות בעת גזירת פתרון.

4. זיהוי דפוסים (שנות ה-60 המוקדמות). רעיונות של תורת ההכרה הקשורים ללמידה למציאת כלל החלטה על מכלול של דוגמאות חיוביות ושליליות.

בשנת 1956, ק. שאנון, מ. מינסקי וג'יי מקארתי ארגנו כנס בדארטמות' (ארה"ב) כדי לסכם את הניסיון המעשית בפיתוח תוכניות אינטלקטואליות.

1.1.5. יצירת בסיס תיאורטי

ב-1969 התקיימה בוושינגטון הוועידה הבינלאומית הראשונה לבינה מלאכותית (IJCAI). ב-1976 החל להתפרסם כתב העת הבינלאומי "בינה מלאכותית". במהלך שנות ה-70 נוצרו הכיוונים התיאורטיים העיקריים של המחקר בתחום המערכות החכמות:

− הצגת ידע, פורמליזציה של ידע על הסביבה החיצונית, יצירת מודל פנימי של העולם החיצוני;

- תקשורת, יצירת שפות של אינטראקציה בין המערכת למשתמש;

- הנמקה ותכנון, קבלת החלטות במצבים חלופיים;

- תפיסה (ראיית מכונה), השגת נתונים מהסביבה החיצונית;

- הדרכה, הפקת ידע מניסיון תפקוד המערכת;

- פעילות, התנהגות אקטיבית של המערכת המבוססת על מטרות התפקוד שלה.

1.1.6. בעיות פילוסופיות של תורת הבינה המלאכותית

סעיף קטן זה מפרט את השאלות העיקריות וכמה הערות עליהן על בעיות הנדונות בתדירות גבוהה בתיאוריית הבינה המלאכותית.

האם ניתן לשחזר אינטליגנציה? רפרודוקציה עצמית אפשרית תיאורטית. האפשרות הבסיסית של אוטומציה של פתרון בעיות אינטלקטואליות בעזרת מחשב מסופקת על ידי המאפיין של אוניברסליות אלגוריתמית. עם זאת, לא צריך לחשוב שמחשבים ורובוטים יכולים, באופן עקרוני, לפתור כל בעיה. יש בעיות בלתי פתירות מבחינה אלגוריתמית.

מהי המטרה של יצירת בינה מלאכותית? נניח שאדם הצליח ליצור אינטלקט העולה על השכל שלו (אם לא באיכות, אז בכמות). מה יקרה לאנושות עכשיו? איזה תפקיד ימלא האדם? למה הוא נחוץ עכשיו? ובכלל, האם יש צורך עקרונית ליצור AI? ככל הנראה, התשובה המקובלת ביותר לשאלות אלו היא המושג "מגבר אינטליגנציה".

האם זה בטוח ליצור בינה מלאכותית? בעלת יכולות מודיעין ותקשורת גדולות פי כמה מאלה של בני אדם, הטכנולוגיה תהפוך לכוח עצמאי רב עוצמה המסוגל להתנגד ליוצרה.

1.1.7. תחומי שימוש

1. עיבוד שפות טבעיות, זיהוי תמונות, דיבור, אותות וכן יצירת מודלים של ממשקים חכמים, חיזוי פיננסי, מיצוי נתונים, אבחון מערכת, ניטור רשת, הצפנת נתונים (כיוון - רשתות עצביות).

2. ננוטכנולוגיות, בעיות של הרכבה עצמית, תצורה עצמית וריפוי עצמי של מערכות המורכבות מצמתים רבים הפועלים בו זמנית, מערכות ריבוי סוכנים ורובוטיקה (כיוון - מחשוב אבולוציוני).

3. מערכות בקרה היברידיות, עיבוד תמונה, כלים לחיפוש, אינדקס וניתוח משמעות התמונות, זיהוי וסיווג תמונות (כיוון - לוגיקה מטושטשת).

4. אבחון רפואי, הדרכה, ייעוץ, תכנות אוטומטי, בדיקת וניתוח איכות התכניות, תכנון מעגלים משולבים גדולים מאוד, אבחון טכני והמלצות לתיקון ציוד, תכנון בתחומי מקצוע שונים וניתוח נתונים (כיוון - מערכות מומחה (ES) )).

5. בעיות תחבורה, מחשוב מבוזר, טעינת משאבים מיטבית (כיוון - שיטות הפחתת ספירה).

6. פיתוח מערכות עיצוב תוכנה גדולות, הפקת קוד, אימות, בדיקה, הערכת איכות, זיהוי אפשרות לשימוש חוזר, פתרון בעיות במערכות מקבילות (כיוון - הנדסה אינטלקטואלית).

7. יצירת מפעלי סייבר אוטומטיים לחלוטין.

8. משחקים, התנהגות חברתית של רגשות אנושיים, יצירתיות.

9. טכנולוגיה צבאית.

1.2. ארכיטקטורה של מערכות בינה מלאכותית

1.2.1. אלמנטים של ארכיטקטורת AIS

ארכיטקטורה של מערכת הבינה המלאכותית(SII) - ארגון המבנה שבתוכו מתקבלות החלטות ומיושם ידע בתחום מסוים. הסכימה הכללית ביותר של SII מוצגת באיור. 1. בטופס הזה, אין אפילו AIS אמיתי אחד, ייתכן שחסרים בלוקים מסוימים. ב-SII, תמיד יש רק שני בלוקים: בסיס הידע ומנוע ההסקה.

שקול את הסוגים העיקריים של AIS במערכות עיבוד מידע ובקרה אוטומטיות:

- בקרת תהליך SII;

- IIS לאבחון;

- AIS לתכנון ושיגור;

- רובוטים חכמים.

https://pandia.ru/text/78/057/images/image005_133.gif" width="357" height="360 src=">

אורז. 1. סכימת SII כללית

1.2.2. בקרת תהליכים דאעש

הארכיטקטורה של בקרת התהליך ISIS מוצגת באיור. 2.

תכונות של מערכת זו:

- שימוש במידע טכנולוגי לצורך בקרה (מאפיינים נמדדים של המוצר על הפרמטרים והמבנה של הציוד);

- מנגנון ההסקה משמש לשינוי הנתונים ולפיתוח המלצות והחלטות בקרה;

- הצורך לעבוד בזמן אמת;

− הצורך ביישום חשיבה זמנית (בהתחשב בתנאים משתנים).

עבודת המערכת מאורגנת בשלוש רמות:

- בסיס הידע (KB) כולל את הכללים לפתרון בעיות, נהלים לפתרון בעיות, נתונים על אזור הבעיה, כלומר, ברמת מאגרי הידע, מאורגנות הטכנולוגיה עצמה ואסטרטגיית בקרת התהליך כולה;

- זיכרון עבודה מכיל מידע על המאפיינים שצוינו ונתונים על התהליך הנבדק (DB);

- מנגנון ההסקה (במערכת קונבנציונלית, זהו רגולטור) מכיל מנגנון בקרה כללי להשגת המטרה הסופית (פתרון מקובל).

מרכיב חשוב הוא בלוקי התקשורת בין התהליך הטכנולוגי עם מסד הנתונים לבין בסיס הידע (בלוקים "ניתוח נתונים" ו"נתוני תהליכים"). הם מספקים למשתמש רמה עליונה של גישה למידע ייצור על התהליך הטכנולוגי מאובייקטים ברמה נמוכה יותר, כלומר שומרים על עדכניות התוכן של מסד הנתונים ומאגר הידע על ידי עדכון. הבלוקים מספקים גם פונקציות ניטור למניעת מצבים קריטיים.

הצדקה והסבר על האיזון וההלימה של תגובת המערכת להתפתחות מצב הייצור ניתן על ידי בלוקים "ממשק דיאלוג" ו"נתוני בקרה".

https://pandia.ru/text/78/057/images/image007_118.gif" width="357" height="149 src=">

אורז. 2. מבנה ה-FIS בקרת התהליך

1.2.3. AIS לאבחון

מערכת זו בעצם אינה שונה מהמערכת הקודמת. ומכיוון שסימני הליקויים השונים עשויים להתאים במידה רבה וביטוייהם עשויים להיות לא עקביים, הרי שבמערכות אלו ישנם מרכיבים מפורטים יותר של הצדקה והסבר של האבחנה. לכן, לעתים קרובות מאוד במערכות כאלה הם מציגים הערכת החלטות במונחים של הסתברות סובייקטיבית.

1.2.4. AIS של קווים רובוטיים ומערכות ייצור גמישות

תכונה של מערכות כאלה היא נוכחות של מודל של העולם. מערכת רובוטית פועלת בתנאים הספציפיים שלה, ובאופן עקרוני מתאפשר תיאור מפורט של סביבה זו. מודל מתמטי זה של הסביבה נקרא מודל של העולם החיצון. זהו התוכן העיקרי של KB של רובוט AI, והחלק השני של KB הוא הידע על מטרות המערכת (איור 3).

https://pandia.ru/text/78/057/images/image009_112.gif" width="294" height="100 src=">

אורז. 3. AIS של קווים רובוטיים ומערכות ייצור גמישות

מערכת תפיסת מצב הסביבה כוללת:

- חיישנים המחוברים ישירות לסביבה החיצונית;

- תת-מערכת עיבוד מראש;

- בלוק פילוח תכונה;

- תיאור סמלי של מצב הסביבה;

- תיאור סמנטי של מצב הסביבה;

− בלוק היווצרות של מודל מצב הסביבה.

מנגנון ההסקה או מערכת תכנון ההתנהגות קובעים את פעולות הרובוט בסביבה החיצונית כתוצאה מהמצב הנוכחי ובהתאם למטרה העולמית. כולל:

- מערכות הסקת החלטות;

- תכנון בלוק תנועה של מפעילים.

מערכת ביצוע הפעולה כוללת:

- תת מערכת בקרת כונן;

- כונן;

- מכשירי מנהלים.

1.2.5. תכנון ושיגור AIS

מטרה: לפתור את בעיות הניהול התפעולי, השוואת תוצאות ניטור תפקוד האובייקט מבחינת יעדים מתוכננים וכן ניטור (איור 4).

ניטור– פרשנות מתמשכת או תקופתית של אותות והוצאת מסרים כאשר נוצרים מצבים הדורשים התערבות.

תכונה של מערכות אלו היא פעולה בזמן אמת, תקשורת עם מסד נתונים מבוזר של מערכת בקרה משולבת. מערכת כזו הכרחית, שכן נתוני ה-IS הם חלק ממערכות הבקרה.

https://pandia.ru/text/78/057/images/image011_89.gif" width="365" height="167 src=">

אורז. 4. תכנון ושיגור AIS

1.3. הבעיה של ייצוג ידע ב-AIS

1.3.1. ידע ונתונים

בעיית ייצוג הידע התגלתה כאחת הבעיות של AI. זה קשור ליצירת מערכות שימושיות למעשה, בעיקר ES, המשמשות ברפואה, גיאולוגיה וכימיה. יצירת מערכות כאלה דורשת מאמצים אינטנסיביים לפורמליזציה של הידע שנצבר במדע הרלוונטי.

המונח "ייצוג ידע" קשור לשלב מסוים בפיתוח תוכנת מחשב. אם בשלב הראשון התוכניות שלטו, והנתונים מילאו תפקיד עזר של מעין "אוכל" לתוכניות "רעבות", הרי שבשלבים הבאים גדל תפקיד הנתונים בהתמדה. המבנה שלהם הסתבך יותר: ממילת מכונה הממוקמת בתא זיכרון אחד במחשב, היה מעבר לוקטורים, מערכים, קבצים, רשימות. הכתר של פיתוח זה היה סוגי נתונים מופשטים - מחלקות. פיתוח עקבי של מבני נתונים הוביל לשינוי האיכותי שלהם ולמעבר מייצוג נתונים לייצוג ידע.

רכישת ידע

רמת ייצוג הידע שונה מרמת ייצוג הנתונים לא רק במבנה מורכב יותר, אלא גם במאפיינים מהותיים: פרשנות, נוכחות של קשרים מסווגים, הנוכחות יחסים מצביים(בו-זמניות, הימצאות באותה נקודה במרחב וכו', יחסים אלו קובעים את התאימות המצבית של ידע מסוים המאוחסן בזיכרון). בנוסף, רמת הידע מאופיינת במאפיינים כגון קיומם של נהלים מיוחדים להכללה, חידוש ידע זמין במערכת ועוד מספר נהלים.

להצגת הנתונים יש היבט פסיבי: ספר, טבלה, זיכרון מלא במידע. תורת הבינה המלאכותית מדגישה את ההיבט הפעיל של ייצוג ידע: רכישת ידעצריך להפוך לפעולה אקטיבית המאפשרת לא רק לשנן, אלא גם ליישם את הידע הנתפס (הנרכש, המוטמע) להנמקה המבוססת עליו.

1.3.2. הרעיון של מכונות לפיתוח עצמי

מחקר בתחום הבינה המלאכותית התעורר בהשפעת רעיונות הקיברנטיקה - בעיקר רעיון המשותף של תהליכי בקרה והעברת מידע באורגניזמים חיים, בחברה ובטכנולוגיה, בפרט, במחשבים.

הקבילות הפילוסופית של בעיית הבינה המלאכותית בצורתה המסורתית נבעה מהתפיסה הבסיסית שהסדר והחיבור של רעיונות זהים לסדר ולחיבור של דברים. לפיכך, ליצור מבנה במחשב המשחזר את "עולם הרעיונות" פירושו פשוט ליצור מבנה איזומורפי למבנה העולם החומרי, כלומר לבנות "מודל אלקטרוני של העולם". מודל זה נחשב כמודל ממוחשב - מודל של ידע אנושי על העולם. תהליך החשיבה האנושית התפרש במחשב כחיפוש מכונה אחר טרנספורמציות כאלה של המודל, שהיו אמורות להעביר את המודל הממוחשב למצב סופי כלשהו. ה-AIS היה צריך לדעת כיצד לבצע טרנספורמציות של מצבי מודל המובילות למטרה מוגדרת מראש - מצב בעל מאפיינים מסוימים. בתחילה הייתה אמונה רווחת ביכולת הבסיסית של מחשב ללמוד באופן עצמאי את המודל המאוחסן בו, כלומר, ללמוד בעצמו אסטרטגיה להשגת מטרה מוגדרת.

יכולת היפותטית זו התפרשה כאפשרות של יצירתיות מכונה, כבסיס ליצירת "מכונות חשיבה" עתידיות. ולמרות שבמערכות שפותחו בפועל, השגת המטרה בוצעה על בסיס ניסיון אנושי בעזרת אלגוריתמים המבוססים על ניתוח תיאורטי של המודלים שנוצרו ותוצאות הניסויים שבוצעו בהם, רעיונות בניית העצמי -מערכות הלמידה נראו לרבים המבטיחות ביותר. רק בשנות ה-80 התממשה חשיבותה של בעיית השימוש בידע האנושי על המציאות במערכות אינטלקטואליות, מה שהוביל לפיתוח רציני של בסיסי ידע ושיטות להפקת ידע אישי של מומחים.

1.3.3. רפלקציה כמרכיב של פעילות אינטלקטואלית

עם התפתחות הכיוון הזה, עלה הרעיון של שליטה רפלקסיבית. עד לנקודה זו בקיברנטיקה נחשבה השליטה כהעברת אותות לאובייקט המשפיעה ישירות על התנהגותו, ויעילות השליטה הושגה באמצעות משוב - קבלת מידע על תגובות האובייקט הנשלט. רפלקסיביאותו לִשְׁלוֹט- ישנה העברת מידע המשפיעה על תמונת העולם של האובייקט. לפיכך, מתברר שהמשוב מיותר - מצב הנבדק ידוע למידע המשדר, כלומר לאובייקט.

AIS המסורתית מבוססת על האידיאולוגיה של התנהגות מכוונת מטרה כמו משחק שחמט, כאשר המטרה של שני בני הזוג היא שח-מט במחיר של כל הקרבה. זה לא מקרי שתוכניות שחמט התבררו כחשובות כל כך לפיתוח שיטות AI.

ניתוח תפקוד המודל של עצמו או המודל של "כל המציאות הסובבת" (במסגרת המשימה), שליטה במצבו, חיזוי המדינה אינו אלא יישום השתקפות. השתקפות היא רמה מסוימת של מטה. בעזרת שימוש בשפות תכנות ברמה גבוהה כמו Prolog, המאפשרת לגבש מטרות ולבנות מסקנות הגיוניות לגבי יכולת ההשגה של יעדים אלו, כבר ניתן לפתור חלקית את משימת יישום השתקפות. בעזרתם תוכלו לבנות מעין מבנה-על, מעין מטא-רמה המאפשר לכם להעריך את התנהגות הקודמת. עם זאת, כאשר בוחנים את המונח "השתקפות עמוקה" או "השתקפות רב-שכבתית", מתעוררת הבעיה של בניית מודלים על ידי המערכת עצמה. זה המקום שבו טיפוסי נתונים מופשטים באים להצלה. הם מאפשרים לך לפעול עם מבני נתונים בכל מורכבות סופית. לפיכך, אנו יכולים להניח שמערכות בינה מלאכותית יכולות להכיל מודל השתקפות.

לפיכך, אי אפשר להתייחס למערכת אינטלקטואלית שלמה ללא יכולת להעריך, "להבין" את מעשיו, כלומר לשקף. יתרה מכך, רפלקציה צריכה להיחשב כאחד הכלים העיקריים לבניית התנהגות של מערכות. בשפת המתמטיקה, רפלקציה היא תנאי הכרחי לקיומה של מערכת אינטלקטואלית.

1.3.4. שפות ייצוג ידע

במובן מסוים, כל תוכנת מחשב מכילה ידע. תוכנית מיון הבועות מכילה את הידע של המתכנת כיצד לסדר את הרכיבים של רשימה. הבנת המהות של תוכנת מחשב הפותרת את בעיית מיון הרשימות אינה פשוטה כלל וכלל. הוא מכיל את הידע של המתכנת על שיטת פתרון הבעיה, אך בנוסף לידע זה, הוא מכיל אחרים:

- כיצד לתפעל את מבני השפה של שפת התכנות שבה נעשה שימוש;

- כיצד להשיג ביצועים גבוהים של התוכנית;

- כיצד לבחור שיטות מתאימות לפתרון בעיות עיבוד נתונים מסוימות אשר בכל זאת ממלאות תפקיד חשוב בהשגת התוצאה הסופית, וכיצד לארגן בקרת תהליכים.

שפות ייצוג ידעהן שפות ברמה גבוהה שתוכננו במיוחד כדי לקודד במפורש שברי ידע אנושי, כגון כללי השפעה ומערכת של מאפיינים של אובייקטים טיפוסיים, והרמה הגבוהה של השפה מתבטאת בעובדה שהפרטים הטכניים של ייצוג הידע מנגנון מוסתר מהמשתמש, ככל האפשר. בניגוד לשפות תכנות קונבנציונליות יותר, שפות ייצוג ידע הן חסכוניות במיוחד מבחינת גודל הקוד. זה נובע בעיקר מהעובדה שמתורגמן של השפה דואג להרבה דברים קטנים.

למרות היתרונות המצוינים של שפות כאלה, אין לשכוח את קיומן של בעיות מסוימות ביישומם.

המעבר מתיאור ידע על תחום הנושא בכל שפה "אנושית" מובנת לייצוג שלהם בצורה של פורמליזם כלשהו הנתפס על ידי מחשב מצריך מיומנות מסוימת, שכן אי אפשר (לפחות היום) לתאר איך מכנית לבצע טרנספורמציה כזו. מאחר ואפשרויות ההסקה שתוכנית יכולה ליישם קשורות ישירות לבחירת הדרך לייצוג ידע, ייצוג הידע, ולא החילוץ שלו, הוא צוואר הבקבוק בפרקטיקה של עיצוב ES.

המדריך מציג לקוראים את ההיסטוריה של בינה מלאכותית, מודלים של ייצוג ידע, מערכות מומחים ורשתות עצביות. מתוארים הכיוונים והשיטות העיקריים המשמשים בניתוח, פיתוח ויישום של מערכות חכמות. נשקלים מודלים של ייצוג ידע ושיטות עבודה איתם, שיטות פיתוח ויצירת מערכות מומחים. הספר יעזור לקורא לשלוט במיומנויות של עיצוב לוגי של מסדי נתונים של דומיינים ותכנות בשפת ProLog.
לתלמידים ומורים של אוניברסיטאות פדגוגיות, מורים של בתי ספר תיכוניים, גימנסיות, ליקיאומים.

הרעיון של בינה מלאכותית.
מערכת בינה מלאכותית (AI) היא מערכת תוכנה המדמה את תהליך החשיבה האנושית במחשב. כדי ליצור מערכת כזו, יש צורך ללמוד את עצם תהליך החשיבה של אדם שפותר בעיות מסוימות או מקבל החלטות בתחום מסוים, להדגיש את השלבים העיקריים של תהליך זה ולפתח כלי תוכנה המשחזרים אותם במחשב. לפיכך, שיטות AI כוללות גישה מבנית פשוטה לפיתוח מערכות מורכבות לקבלת החלטות בתוכנה.

בינה מלאכותית היא ענף של מדעי המחשב, שמטרתו לפתח כלי חומרה ותוכנה המאפשרים למשתמש שאינו מתכנת להגדיר ולפתור את המשימות האינטלקטואליות הנחשבות באופן מסורתי, תוך תקשורת עם מחשב בתת-קבוצה מוגבלת של השפה הטבעית.

תוכן העניינים
פרק 1. בינה מלאכותית
1.1. מבוא למערכות בינה מלאכותית
1.1.1. הרעיון של בינה מלאכותית
1.1.2. בינה מלאכותית ברוסיה
1.1.3. מבנה פונקציונלי של מערכת הבינה המלאכותית
1.2. הנחיות לפיתוח בינה מלאכותית
1.3. נתונים וידע. ייצוג ידע במערכות חכמות
1.3.1. נתונים וידע. הגדרות בסיסיות
1.3.2. מודלים של ייצוג ידע
1.4. מערכות מומחים
1.4.1. מבנה מערכת מומחים
1.4.2. פיתוח ושימוש במערכות מומחים
1.4.3. סיווג מערכות מומחים
1.4.4. ייצוג ידע במערכות מומחים
1.4.5. כלים לבניית מערכות מומחים
1.4.6. טכנולוגיית פיתוח מערכות מומחה
שאלות ומשימות בקרה לפרק 1
ספרות לפרק 1
פרק 2 תכנות לוגי
2.1. מתודולוגיות תכנות
2.1.1. מתודולוגיה של תכנות חובה
2.1.2. מתודולוגיה של תכנות מונחה עצמים
2.1.3. מתודולוגיית תכנות פונקציונלית
2.1.4. מתודולוגיית תכנות לוגית
2.1.5. מתודולוגיית תכנות אילוצים
2.1.6. מתודולוגיית תכנות רשתות עצביות
2.2. מבוא קצר לחישוב היסוד והוכחת המשפט
2.3. תהליך מסקנות בפרולוג
2.4. מבנה התוכנית ב-Prolog
2.4.1. שימוש בחפצים מורכבים
2.4.2. שימוש בדומיינים חלופיים
2.5. ארגון חזרות בפרולוג
2.5.1. שיטת החזרה לאחר כשל
2.5.2. שיטת חיתוך והחזרה
2.5.3. רקורסיה פשוטה
2.5.4. שיטת רקורסיה כללית (GRR)
2.6. רשימות בפרולוג
2.6.1. פעולות ברשימות
2.7. מחרוזות בפרולוג
2.7.1. פעולות על מיתרים
2.8. קבצים ב-Prolog
2.8.1. פרדיקטים של פרולוג לעבודה עם קבצים
2.8.2. תיאור תחום הקובץ
2.8.3. כתוב לקובץ
2.8.4. קריאה מתוך קובץ
2.8.5. שינוי קובץ קיים
2.8.6. הוספה לסוף קובץ קיים
2.9. יצירת מסדי נתונים דינמיים ב-Prolog
2.9.1. מאגרי מידע על פרולוג
2.9.2. פרדיקטים של מסד נתונים דינמי ב-Prolog
2.10. יצירת מערכות מומחים
2.10.1. מבנה מערכת מומחים
2.10.2. הצגת ידע
2.10.3. שיטות פלט
2.10.4. מערכת ממשק משתמש
2.10.5. מערכת מומחים מבוססת כללים
שאלות ומשימות בקרה לפרק 2
ספרות לפרק ב'
פרק 3 רשתות עצביות
3.1. מבוא לרשתות עצביות
3.2. מודל נוירון מלאכותי
3.3. יישום של רשתות עצביות
3.4. אימון רשתות עצביות
שאלות ומשימות בקרה לפרק 3
ספרות לפרק 3.

הורדה חינם של ספר אלקטרוני בפורמט נוח, צפו וקראו:
הורד את הספר Fundamentals of Artificial Intelligence, Borovskaya E.V., Davydova N.A., 2016 - fileskachat.com, הורדה מהירה וחינמית.

ש.ג. TOLMACHEV

בינה מלאכותית.

מודלים של רשת עצבית

משרד החינוך והמדע של הפדרציה הרוסית האוניברסיטה הטכנית של המדינה הבלטית "Voenmeh"

המחלקה לעיבוד מידע ומערכות בקרה

ש.ג. TOLMACHEV

בינה מלאכותית.

מודלים של רשת עצבית

הדרכה

סנט פטרסבורג

UDC 004.8(075.8) Т52

טולמצ'ב, ש.ג.

T52 מערכות בינה מלאכותית. מודלים של רשתות עצביות: ספר לימוד / ש.ג. טולמצ'ב; בלט. מדינה טכנולוגיה. un-t. - סנט פטרסבורג, 2011. 132 עמ'.

ISBN 978-5-85546-633-1

ניתן מידע בסיסי על המבנה ועקרונות התפקוד של רשתות עצבים מלאכותיות. תפקודו של נוירון פורמלי, סיווג רשתות עצביות לפי הארכיטקטורה וסוגי הלמידה שלהן, ניסוחים אופייניים של בעיות רשת עצביות שונות ושיטות לפתרון שלהן.

הוא מיועד לסטודנטים בכירים הלומדים בהתמחויות "מערכות מידע וטכנולוגיות" ו"מערכות אוטומטיות לעיבוד מידע ובקרה".

UDC 004.8(075.8)

מבקרים עמיתים: ד"ר טק. פרופ' למדעים, ראש. מַדָעִי עובד OJSC "קונצרן "גרניט-אלקטרון"" S.N. כדורים; cand. טכנולוגיה. מדעים, פרופ', ראש. בֵּית קָפֶה I5 BSTU N.N. סמירנובה

מאושר על ידי ועדת המערכת וההוצאה לאור של האוניברסיטה

מבוא

אחד הכלים החזקים ביותר ליצירת מערכות אינטליגנטיות הוא רשתות עצביות מלאכותיות (ANNs), המדגימות את מנגנוני עיבוד המידע הבסיסיים הטמונים במוח האנושי. ידוע שהמוח פועל בצורה שונה מהותית ולרוב ביעילות רבה יותר מכל מחשב מעשה ידי אדם. עובדה זו היא שמניעה מדענים במשך שנים רבות לעבוד על יצירה ומחקר של רשתות עצבים מלאכותיות.

המוח הוא מערכת עיבוד מידע מורכבת ביותר. יש לו את היכולת לארגן את המרכיבים המבניים שלו, הנקראים נוירונים, כך שהם יכולים לבצע משימות ספציפיות (זיהוי דפוסים, עיבוד חושי, פונקציות מוטוריות) הרבה פעמים מהר יותר מהמחשבים המהירים ביותר של ימינו. דוגמה למשימה כזו היא ראייה רגילה. תפקידה של מערכת הראייה הוא ליצור ייצוג של העולם באופן המספק אפשרות לאינטראקציה עמו. המוח מבצע ברצף משימות זיהוי (לדוגמה, זיהוי פנים מוכרות בסביבה לא מוכרת) ומוציא על כך 100-200 אלפיות השנייה. ביצוע משימות דומות בעלות מורכבות פחותה במחשב עשוי להימשך מספר שעות.

כדי להעריך את גודל האתגר של בניית מכונה שפועלת בצורה מושלמת כמו המוח שלנו, מספיק לחשוב על כמה מהמשימות השגרתיות שאנו מבצעים מדי יום. נניח שאתה יושב ליד השולחן שלך, ובשעה זו נכנס לחדר הקולגה שלך, שחזר מחופשה. הוא לובש חולצת טריקו חדשה, משקפי שמש על פניו השזופות, ונראה קצת יותר צעיר כי הוא גילח את זקנו. אתה מזהה אותו? ללא ספק, שכן התחפושת אינה חלק מתוכניותיו. במהלך השיחה הוא שואל אותך: "איפה הספר שנתתי לך לקרוא?". אתה מפרש את השאלה כבקשה להחזיר את הספר. אז תסתכל על השולחן שלך ו

אתה רואה בין הספרים וערימות הניירות מונחות עליו את הספר המדובר, מושיט אליו את ידך, מוציא אותו מערימת המסמכים ונותן אותו לעמיתך. משימות יומיומיות כאלה אינן דורשות מאיתנו מאמץ אינטלקטואלי רב, אך הפתרון לכל אחת מהן כרוך בהרבה שלבים מחושבים במדויק. המורכבות של פתרון בעיות כאלה יכולה להיות מורגשת כאשר מנסים לתכנת מערכת מחשב לזהות אובייקטים לפי המראה שלהם או תכונות אחרות, לקבל החלטות בהתאם להקשר וכו'.

דוגמה פשוטה יותר היא סונאר עטלפים, שהיא מערכת הד אקולוגית. בנוסף לאספקת מידע על המרחק לאובייקט הרצוי, איתור זה מאפשר לך לחשב פרמטרים של אובייקט כגון מהירות יחסית, גודל של אלמנטים בודדים וכיוון התנועה. כדי לחלץ מידע זה מהאות המתקבל, המוח הזעיר של עטלף מבצע חישובים עצביים מורכבים.

מה מאפשר למוח של אדם או עטלף להגיע לתוצאות כאלה? בלידה, למוח כבר יש מבנה מושלם, המאפשר לו לבנות חוקים משלו על סמך מה שנקרא בדרך כלל ניסיון. הניסיון מצטבר עם הזמן עד לימי חייו האחרונים של האדם, כאשר שינויים בקנה מידה גדול במיוחד מתרחשים בשנתיים הראשונות לחייו.

התפתחות הנוירונים קשורה למושג הפלסטיות המוחית - היכולת להתאים את מערכת העצבים בהתאם לתנאי הסביבה. הפלסטיות ממלאת את התפקיד החשוב ביותר בפעולת הנוירונים כיחידות עיבוד המידע הבסיסיות במוח האנושי. באופן דומה, נוירונים מלאכותיים מכוונים ב-ANN. באופן כללי, ANN הוא מכונה המדמה כיצד המוח פותר בעיה ספציפית. רשת זו מיושמת באמצעות רכיבים אלקטרוניים (מעבדים נוירו-מעבדים) או מעוצבת על ידי תוכנית הפועלת על מחשב דיגיטלי. על מנת להשיג ביצועים גבוהים, ANNs משתמשים בהרבה חיבורים בין התאים היסודיים של החישובים - נוירונים. מבין ההגדרות הרבות של רשתות עצביות, המדויקת ביותר היא ההגדרה של ANN כמכונה מסתגלת: רשת עצבים מלאכותיתזה מופץ

מעבד מקביל המורכב ממרכיבי עיבוד מידע טיפוסיים שצוברים ידע ניסיוני ומספקים אותו לעיבוד נוסף. רשת עצבית דומה למוח בשתי דרכים:

1) ידע נכנס לרשת העצבית מהסביבה

ו בשימוש הרשת בתהליך הלמידה;

2) כדי לצבור ידע, משתמשים בקשרים בין-עצביים, הנקראים גם משקלים סינפטיים.

ההליך המשמש לביצוע תהליך הלמידה נקרא אלגוריתם הלמידה. תפקידו לשנות את המשקלים הסינפטיים של ה-ANN בצורה מסוימת כך שהרשת תרכוש את המאפיינים הדרושים.

שינוי משקל הוא דרך מסורתית ללמוד ANNs. גישה זו קרובה לתיאוריה של מסננים ליניאריים אדפטיביים המשמשים בבקרה. עם זאת, עבור ה-ANN יש גם אפשרות לשנות את הטופולוגיה שלו, בהתבסס על העובדה שבמוח החי נוירונים יכולים למות, וניתן ליצור קשרים סינפטיים חדשים.

כך, ANNs מבינים את כוח המחשוב שלהם בשל שני המאפיינים העיקריים שלהם: מבנה מקבילי-מבוזר ויכולת ללמוד ולהכליל את הידע שנצבר. תכונת ההכללה מובנת כיכולת של ANN לייצר פלטים נכונים עבור אותות קלט שלא נלקחו בחשבון בתהליך הלמידה (הדרכה). שני המאפיינים הללו הופכים את ANN למערכת עיבוד מידע המסוגלת לפתור בעיות רב-ממדיות מורכבות שכיום אינן ניתנות לפתרון.

יש לציין שבפועל, INS אוטונומיים לרוב אינם יכולים לספק פתרונות מוכנים. הם צריכים להשתלב במערכות מורכבות. ניתן לחלק משימה מורכבת למספר משימות פשוטות יותר, חלקן ניתנות לפתרון באמצעות רשתות עצביות.

תחומי היישום של ANN מגוונים מאוד: זיהוי וניתוח של טקסט ודיבור, חיפוש סמנטי, מערכות מומחים ומערכות תומכות החלטות, חיזוי מחירי מניות, מערכות אבטחה. ישנן מספר דוגמאות לשימוש ב-ANN בתחומים שונים.

1. מערכות אבטחת תחבורה. חברה אמריקאית

Science Application International Corporation השתמשה ב-ANN ב

הפרויקט שלו TNA. המכשיר שפותח נועד לזהות חומרי נפץ מפלסטיק במטען ארוז. המטען מופגז בחלקיקים הגורמים לקרינה משנית, שהספקטרום שלה מנותח על ידי רשת עצבית. המכשיר מספק הסתברות לגילוי חומרי נפץ מעל 97% ומסוגל לצפות ב-10 מזוודות בדקה.

2. חבילות תוכנה לרשתות עצביות בשווקים פיננסיים. American Chemical Bank משתמש במערכת הרשת העצבית של Neural Data כדי לעבד מראש עסקאות בבורסות מטבעות, תוך סינון עסקאות "חשודות". Citibank משתמש בתחזיות של רשתות עצביות מאז 1990. עסקאות אוטומטיות מציגות תשואות גבוהות מאלו של רוב הברוקרים. יצוין כי הליכי הסמינר "בינה מלאכותית עלוול סטריט" מהווים כמה כרכים כבדים.

3. ניטור וכותרת אוטומטית של חדשות. מקום

ידע בנושא הודעות טקסט הוא דוגמה נוספת לשימוש ב-ANN. שרת החדשות של Convectis (מוצר של Aptex Software Inc.) מספק סיווג אוטומטי של הודעות. על ידי השוואת המשמעויות של מילים לפי הקשר, Convectis מסוגלת לזהות נושאים בזמן אמת ולסווג את הזרמים העצומים של הודעות טקסט המועברות ברשתות רויטרס, NBC, CBS וכו'. לאחר ניתוח ההודעה, תקציר, רשימה של נוצרות מילות מפתח ורשימת כותרות אליהן שייכת ההודעה.

4. טייס אוטומטי של כלי טיס בלתי מאוישים. מטוס הסיור ההיפרסוני LoFLYTE (ניסוי טיסה נמוך לצפייה), מטוס סילון בלתי מאויש באורך 2.5 מ', פותח עבור נאס"א וחיל האוויר האמריקאי על ידי Accurate Automation Corp. במסגרת תוכנית התמיכה לעסקים חדשניים קטנים. זהו פיתוח ניסיוני לחקר עקרונות פיילוט חדשים. הוא כולל רשתות עצביות המאפשרות לטייס האוטומטי ללמוד על ידי העתקת טכניקות הטיס של הטייס. עם הזמן, רשתות נוירונים מאמצות ניסיון ניהולי, ומהירות עיבוד המידע מאפשרת לך למצוא מוצא במהירות במצבי קיצון וחירום. ה-LoFLYTE מיועד לטיסה על-קולית שבה ייתכן שזמן התגובה של הטייס אינו מספיק כדי להגיב כראוי לשינויים במשטר הטיסה.

נכון לעכשיו, ANNs הם הרחבה חשובה של מושג החישוב. הם כבר אפשרו להתמודד עם מספר בעיות קשות ומבטיחים יצירת תוכנות והתקנים חדשים המסוגלים לפתור בעיות שעד כה רק אדם יכול לעשות. מחשבים עצביים מודרניים משמשים בעיקר בצורה של מוצרי תוכנה ולכן ממעטים להשתמש בפוטנציאל ה"מקביליות" שלהם. העידן של נוירו-מחשוב מקביל אמיתי יתחיל עם הופעתן בשוק של יישומי חומרה של שבבי עצב ולוחות הרחבה מיוחדים המיועדים לעיבוד דיבור, וידאו, תמונות סטטיות וסוגים אחרים של מידע פיגורטיבי.

תחום יישום נוסף של ANNs הוא השימוש בהם

V תוכנה מיוחדתסוכנים רובוטיים שנועדו לעבד מידע, ולא לעבודה פיזית. עוזרים חכמות אמורים להקל על המשתמשים ליצור אינטראקציה עם מחשב. סימן ההיכר שלהם יהיה הרצון להבין בצורה הטובה ביותר את הנדרש מהם, על ידי התבוננות וניתוח התנהגות ה"מאסטר" שלהם. מנסה לגלות

V בהתנהגות זו, ישנם דפוסים מסוימים, סוכנים חכמים חייבים להציע את שירותיהם בזמן כדי לבצע פעולות מסוימות, כגון סינון הודעות חדשות, גיבוי מסמכים שהמשתמש עובד עליהם וכו'. לכן ANNs, המסוגלים להכליל נתונים ולמצוא בהם דפוסים, הם מרכיב טבעי של סוכני תוכנה כאלה.

1. מחשבים והמוח

1.1. נוירון ביולוגי

ניתן לפשט את מערכת העצבים האנושית כמבנה תלת שלבי. המרכז של מערכת זו הוא המוח, המורכב מרשת של נוירונים (איור 1.1). הוא מקבל מידע, מנתח אותו ומקבל החלטות מתאימות. קולטנים ממירים אותות מהסביבה ומאיברים פנימיים לדחפים חשמליים הנקלטים על ידי הרשת העצבית (המוח). הקולטנים מספקים את הקשר של המוח שלנו עם העולם החיצון, ומממשים את זרימת המידע החזותי, השמיעתי, הריח, הריח והמישוש לתוכו. אם-

פקטורים ממירים דחפים חשמליים שנוצרים על ידי המוח לאותות פלט השולטים בשרירים, איברים פנימיים ודפנות כלי הדם. כך, המוח שולט על עבודת הלב, הנשימה, לחץ הדם, הטמפרטורה, שומר על תכולת החמצן הרצויה בדם וכו'. נוירונים ביניים מעבדים מידע המתקבל מנירונים תחושתיים ומעבירים אותו לנוירונים משפיעים.

אורז. 1.1. תרשים פשוט של מערכת העצבים

יש לציין שהמוח בנוי משני סוגי תאים: תאי גליה ונוירונים. ולמרות שתפקידם של תאי הגליה נראה די משמעותי, רוב המדענים מאמינים שהדרך העיקרית להבין איך המוח פועל היא על ידי לימוד נוירונים המאוחדים ברשת מחוברת אחת. גישה זו משמשת בבניית רשתות עצביות מלאכותיות (ANN).

יש לציין כי קיימות דעות נוספות. חלק מהחוקרים מאמינים שהתהליכים העיקריים מתרחשים לא ברשת העצבית, אלא בתאים עצמם, כלומר בשלד הציטובול שלהם, במה שנקרא מיקרוטובולים. לפי נקודת מבט זו, גם הזיכרון ואפילו התודעה נקבעים על ידי שינויים בחלבונים במבנים תוך-תאיים וההשפעות הקוונטיות הקשורות אליהם.

מספר הנוירונים במוח מוערך ב-1010 ... 1011. בנוירון ביולוגי, ניתן להבחין בין היחידות המבניות הבאות (איור 1.2):

גוף התא (סומה);

דנדריטים הם רבים מסתעפים קצרים (לא יותר מ-1 מ"מ) סיבי עצב שאוספים מידע מנוירונים אחרים;

האקסון הוא סיב העצב הדק והדק היחיד (לעיתים יותר ממטר). האקסון מוליך את הדחף ומעביר את ההשפעה לנוירונים אחרים או לסיבי שריר. בקצהו, האקסון גם מסתעף ויוצר מגע עם הדנדריטים של נוירונים אחרים;

הדרכה זו כוללת את יסודות התכנות בשפת פרולוג, פתרון בעיות בשיטת החיפוש, שיטות הסתברותיות, יסודות הרשתות העצביות וכן את עקרונות ייצוג הידע באמצעות רשתות סמנטיות. כל אחד מחלקי המדריך מסופק עם עבודה מעשית ומעבדתית. הנספחים מכילים תיאורים קצרים של סביבת SWI-Prolog, תוכנית רשת עצבית

הדרכה זו כוללת את יסודות התכנות בשפת פרולוג, פתרון בעיות בשיטת החיפוש, שיטות הסתברותיות, יסודות הרשתות העצביות וכן את עקרונות ייצוג הידע באמצעות רשתות סמנטיות. כל אחד מחלקי המדריך מסופק עם עבודה מעשית ומעבדתית. הנספחים מכילים תיאורים קצרים של סביבת SWI-Prolog, תוכנית המודלים של רשתות עצביות NeuroGenetic Optimizer, ותוכנית הדמיית ידע סמנטי. תואמת את הדרישות הנוכחיות של תקן החינוך הפדרלי של המדינה להשכלה גבוהה. לסטודנטים של מוסדות חינוך גבוהים הלומדים ב- תחומים הנדסיים וטכניים.

ספר" מערכות בינה מלאכותית. הדרכה» הסופרת בסמרטני איגור אלכסנדרוביץ' דורגה על ידי המבקרים של KnigoGuide ודירוג הקוראים שלה היה 0.00 מתוך 10.
לצפייה בחינם מסופקים: ביאור, פרסום, ביקורות, כמו גם קבצים להורדה.