Презентация на тему Интеллектуальные системы

с интеллектуальной поддержкой при решении задач без участия оператора.
Основные

определения

Определение 3. Интеллектуализированная система – это информационно-вычислительная система с интеллектуальной поддержкой при решении задач с участием оператора.

Определение 1. Система с интеллектуальной поддержкой – это система, способная самостоятельно принимать решения.

сильного искусственного интеллекта
Философские основания ИИ

энтузиазма (1952-1969)
Зима искусственного интеллекта (1966-1973)
Разработка систем, основанных на знаниях

экспертов (1969-1979)
Второй бум искусственного интеллекта(1980-1987)
Возвращение к нейронным сетям (1988-1995)
Появление интеллектуальных агентов (1995)

История ИИ

Цузе (Германия)
1940-1942 - Джон Атанасов, Эдвард Бэри (США)

Тест Тьюринга

(1950)

Изобретение электроэнцефалографа
(Ганс Бергер 1929 г.)

Первая модель искусственных нейронов (Уоррен Маккалок, Уолтер Питтс 1943 г.)

Появление предпосылок ИИ (1943-1955)

колледж
Марвин Минский, Гарвардский университет
Клод Шеннон, Bell Laboratories
Натаниэль Рочестер, IBM
Артур Самюэль, IBM
Аллен

Ньюэлл, Университет Карнеги
Герберт Саймон, Университет Карнеги
Тренчард Мур, Принстонский университет
Рей Соломонов, Массачусетский технологический институт
Оливер Селфридж, Массачусетский технологический институт

Рождение ИИ (1956)

семинар "Автоматы и мышление" под руководством академика Ляпунова А.

А. В этом семинаре принимали участие физиологи, лингвисты, психологи, математики. 

Рождение ИИ (1956)

автоматически доказать 38 законов из книги Рассела и Уайтхеда «Принципы математики»
1956 г. – компьютерная программа

General Problem Solver (GPS). Она могла не только вести доказательства, но и играть в шахматы и ханойскую башню.
1958 г. - «в течение 10 лет цифровой компьютер будет мировым чемпионом по шахматам».
1965 г. - «Машины смогут через 20 лет делать любую работу, которую делает человек»

Марвин Минский
1967 г. - «Через поколение проблема создания искусственного интеллекта будет в основной своей части разрешена».
1969 г. - «От 3 до 8 лет надо, чтобы у нас была машина, у которой уровень интеллекта будет соответствовать среднему человеческому».

Период раннего энтузиазма (1956-1969)

о предметной области; их временные успехи достигались за счет

простых синтаксических манипуляций.
Не учитывалась вычислительная сложность решаемых задач (Отчёт Лайтхилла – 1973 г.)
Фундаментальные ограничения базовых структур (М.Минский – перцептрон может обучиться лишь тому, что он позволяет описать)

Столкновение с реальностью (1966-1973)

искусственного интеллекта(1980-1987)

Экспертные системы – это направление исследований в области

искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.

со временем. Перерыв в деятельности человека-эксперта может серьёзно отразиться

на его профессиональных качествах.
2. Лёгкость передачи
Передача знаний от одного человека другому – долгий и дорогой процесс. Передача искусственной информации – это простой процесс копирования программы или файла данных.
3. Устойчивость и воспроизводимость результатов
Экспертные системы устойчивы к «помехам». Человек же легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты экспертной системы – стабильны.
4. Стоимость
Эксперты, особенно высококвалифицированные обходятся очень дорого. Экспертные системы, наоборот, сравнительно недороги. Их разработка дорога, но они дёшевы в эксплуатации.

является большой проблемой. Как правило, это является следствием сложности

формализации эвристических знаний экспертов.
Экспертные системы неспособны предоставить осмысленные объяснения своих рассуждений, как это делает человек. Как правило, экспертные системы всего лишь описывают последовательность шагов, предпринятых в процессе поиска решения.
Отладка и тестирование любой компьютерной программы является достаточно трудоемким делом, но проверять экспертные системы особенно тяжело.
Экспертные системы неспособны к самообучению. Для того, чтобы поддерживать экспертные системы в актуальном состоянии необходимо постоянное вмешательство в базу знаний инженеров по знаниям. Экспертные системы, лишенные поддержки со стороны разработчиков, быстро теряют свою востребованность.

Недостатки экспертных систем

Хопфилда и Хэмминга

Возвращение к нейронным сетям (1988-1995)

разумные сущности, наблюдающие за окружающей средой и действующие в

ней, при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели. Такой агент может быть как роботом, так и встроенной программной системой.

Появление интеллектуальных агентов (1995)

знаниями
Пополнение знаний
Классификация знаний
Обобщение знаний
Формирование новых абстрактных понятий
Рассуждения, имитирующие особенности

рассуждений человека

Общение
Восприятие
Обучение
Поведение

Проблемная область ИИ

свою среду с помощью датчиков и воздействующее на эту

среду с помощью исполнительных механизмов.
Последовательностью актов восприятия агента называется полная история всего, что было когда-либо воспринято агентом.
Функция агента - это отображение любой конкретной последовательности актов восприятия на некоторое действие.
Программа агента – это конкретная реализация, действующая в рамках архитектуры агента.

Основные определения

такой агент, который выполняет правильные действия.

Необходимо разрабатывать показатели производительности в соответствии с тем, чего

действительно необходимо добиться в данной среде, а не в соответствии с тем, как, по мнению проектировщика, должен вести себя агент.

Концепция рациональности

— это максимизация фактической производительности.

От агента нельзя требовать,

чтобы он выполнял действия, которые оказываются наилучшими после их совершения.

Концепция рациональности

о среде, но по мере приобретения агентом опыта эти

знания могут модифицироваться и пополняться.
Автономность
Рациональный агент должен обучаться всему, что может освоить, для компенсации неполных или неправильных априорных знаний.
После достаточного опыта существования в своей среде поведение рационального агента может по сути стать независимым от его априорных знаний.

Концепция рациональности

среду, исполнительные механизмы и датчики агента.
Определение проблемной среды

полностью наблюдаемой, если датчики выявляют все данные, которые являются

релевантными для выбора агентом действия; релевантность, в свою очередь, зависит от показателей производительности.

Среда может оказаться частично наблюдаемой из-за создающих шум и неточных датчиков или из-за того, что отдельные характеристики ее состояния просто отсутствуют в информации, полученной от датчиков.

Свойства проблемной среды

определяется текущим состоянием и действием, выполненным агентом, то такая

среда называется детерминированной; в противном случае она является стохастической.

Свойства проблемной среды

Необходимо классифицировать среду как детерминированную или стохастическую с точки зрения агента, а не разработчика.

агента состоит из неразрывных эпизодов. Каждый эпизод включает в

себя восприятие среды агентом, а затем выполнение одного действия. При этом следующий эпизод не зависит от действий, предпринятых в предыдущих эпизодах.

В последовательных вариантах среды текущее решение может повлиять на все будущие решения.

Свойства проблемной среды

ходе того, как агент выбирает очередное действие, то такая

среда называется динамической для данного агента; в противном случае она является статической.

Если с течением времени сама среда не изменяется, а изменяются показатели производительности агента, то такая среда называется полудинамической.

Свойства проблемной среды

вариантами среды может относиться к состоянию среды, способу учета

времени, а также восприятиям и действиям агента.

Свойства проблемной среды

должна рассматриваться как агент?
Свойства проблемной среды
Объект В рассматривается как

агента, если его поведение описывается как максимизирующее его личные показатели производительности, значения которых зависят от поведения агента А.

Конкурентная мультиагентная среда — сущность В пытается максимизировать свои показатели производительности за минимизации показателей производительности агента А.
Кооперативная мультиагентная среда — максимизируется показатели производительности всех агентов.

агентов:
• простые рефлексные агенты;
• рефлексные агенты, основанные на модели;
•

агенты, действующие на основе цели;
• агенты, действующие на основе полезности.

акта восприятия, игнорируя всю остальную историю актов восприятия.
Простые

рефлексные агенты

им в текущий момент, т.е. агент должен поддерживать внутреннее

состояние.

Агент должен хранить модель мира, т.е. знания о том, как:
мир изменяется независимо от агента,
влияют на мир собственные действия агента.

Рефлексные агенты, основанные на модели

на вещественное число, которое обозначает соответствующую степень удовлетворенности агента.

Полная спецификация функции полезности обеспечивает возможность принимать рациональные решения в следующих случаях:
если имеются конфликтующие цели,
если имеется несколько целей, к которым может стремиться агент.

Агенты, основанные на полезности

– обеспечивает выбор внешних действий.
Критик – определяет каким

образом должен быть модифицирован производительный компонент для того, чтобы он успешнее действовал в будущем.
Генератор проблем – предлагает действия, которые должны привести к получению нового и информативного опыта.

Обучающиеся агенты