Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Интеллектуальные системы

Содержание

История искусственного интеллекта
Интеллектуальные системыЛекция 1 История искусственного интеллекта Определение 2. Интеллектуальная система – это информационно-вычислительная система с интеллектуальной поддержкой при Может ли машина мыслить?Гипотеза слабого искусственного интеллекта Гипотеза сильного искусственного интеллектаФилософские основания ИИ Появление предпосылок ИИ (до 1956)Рождение ИИ (1956)Период раннего энтузиазма (1952-1969)Зима искусственного интеллекта Изобретение ЭВМ:1940 – Алан Тьюринг (Англия)1941 – Конрад Цузе (Германия)1940-1942 - Джон Дартмутский семинар – лето 1956 годаДжон Маккарти, Дартмутский колледжМарвин Минский, Гарвардский университетКлод Шеннон, В 1954 г. в МГУ начал свою работу семинар Гербертом Саймоном1956 г. – компьютерная программа Logical Theorist, которая смогла автоматически доказать 38 законов Программы не содержали (или почти не содержали) знания о предметной области; их Разработка систем, основанных на знаниях экспертов (1969-1979)Второй бум искусственного интеллекта(1980-1987)Экспертные системы – Преимущества экспертных систем перед человеком-экспертом1. ПостоянствоЧеловеческая компетенция ослабевает со временем. Перерыв в Передача экспертным системам «глубоких» знаний о предметной области является большой проблемой. Как 1986 г. – алгоритм обратного распределения ошибкиНейронные сети Хопфилда и ХэммингаВозвращение к нейронным сетям (1988-1995) В искусственном интеллекте, под термином интеллектуальный агент понимаются разумные сущности, наблюдающие за Представление знанийМанипулирование знаниямиОбщениеВосприятиеОбучениеПоведениеПроблемная область ИИ Представление знанийФормализация знанийПредставление знаний в памяти ИнСМанипулирование знаниямиОперирование знаниямиПополнение знанийКлассификация знанийОбобщение знанийФормирование Интеллектуальные агенты Агентом является все, что может рассматриваться как воспринимающее свою среду с помощью Разработка показателей производительностиОтказ от всезнанияОбучаемостьАвтономностьКонцепция рациональностиРациональным агентом является такой агент, который выполняет правильные действия. Показатели производительности – критерии оценки успешного поведения агента. Необходимо разрабатывать показатели производительности Отказ от всезнанияРациональность — это максимизация ожидаемой производительности.Совершенство — это максимизация фактической ОбучаемостьНачальная конфигурация агента может отражать некоторые предварительные знания о среде, но по Проблемная среда объединяет в себе агента, показатели производительности, среду, исполнительные механизмы и Полностью наблюдаемая или частично наблюдаемая средаПроблемная среда является полностью наблюдаемой, если датчики Детерминированная или стохастическая средаЕсли следующее состояние среды полностью определяется текущим состоянием и Эпизодическая или последовательная средаВ эпизодической проблемной среде опыт агента состоит из неразрывных Статическая или динамическая средаЕсли среда может измениться в ходе того, как агент Дискретная или непрерывная средаРазличие между дискретными и непрерывными вариантами среды может относиться Одноагентная или мультиагентная средаНа каком основании некоторая сущность должна рассматриваться как агент?Свойства Агент = Архитектура + ПрограммаСтруктура агентовОсновные виды программ агентов:• простые рефлексные агенты;• Простой рефлексный агент выбирает действия на основе текущего акта восприятия, игнорируя всю Агент должен отслеживать ту часть мира, которая воспринимается им в текущий момент, Рефлексные агенты, основанные на модели Агенты, основанные на цели Функция полезности отображает состояние (или последовательность состояний) на вещественное число, которое Агенты, основанные на полезности Обучающий компонент – отвечает за внесение усовершенствований.Производительный компонент – обеспечивает выбор внешних Обучающиеся агенты
Слайды презентации

Слайд 2 История искусственного интеллекта

История искусственного интеллекта

Слайд 3 Определение 2. Интеллектуальная система – это информационно-вычислительная система

Определение 2. Интеллектуальная система – это информационно-вычислительная система с интеллектуальной поддержкой

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.


Слайд 4 Может ли машина мыслить?


Гипотеза слабого искусственного интеллекта

Гипотеза

Может ли машина мыслить?Гипотеза слабого искусственного интеллекта Гипотеза сильного искусственного интеллектаФилософские основания ИИ

сильного искусственного интеллекта
Философские основания ИИ


Слайд 5 Появление предпосылок ИИ (до 1956)
Рождение ИИ (1956)
Период раннего

Появление предпосылок ИИ (до 1956)Рождение ИИ (1956)Период раннего энтузиазма (1952-1969)Зима искусственного

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


Слайд 6 Изобретение ЭВМ:
1940 – Алан Тьюринг (Англия)
1941 – Конрад

Изобретение ЭВМ:1940 – Алан Тьюринг (Англия)1941 – Конрад Цузе (Германия)1940-1942 -

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)


Слайд 7 Дартмутский семинар – лето 1956 года

Джон Маккарти, Дартмутский

Дартмутский семинар – лето 1956 годаДжон Маккарти, Дартмутский колледжМарвин Минский, Гарвардский университетКлод

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)


Слайд 8 В 1954 г. в МГУ начал свою работу

В 1954 г. в МГУ начал свою работу семинар

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

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

Рождение ИИ (1956)


Слайд 9 Гербертом Саймоном
1956 г. – компьютерная программа Logical Theorist, которая смогла

Гербертом Саймоном1956 г. – компьютерная программа Logical Theorist, которая смогла автоматически доказать 38

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)


Слайд 10 Программы не содержали (или почти не содержали) знания

Программы не содержали (или почти не содержали) знания о предметной области;

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)


Слайд 11 Разработка систем, основанных на знаниях экспертов (1969-1979)
Второй бум

Разработка систем, основанных на знаниях экспертов (1969-1979)Второй бум искусственного интеллекта(1980-1987)Экспертные системы

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.


Слайд 12 Преимущества экспертных систем перед человеком-экспертом

1. Постоянство
Человеческая компетенция ослабевает

Преимущества экспертных систем перед человеком-экспертом1. ПостоянствоЧеловеческая компетенция ослабевает со временем. Перерыв

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.


Слайд 13 Передача экспертным системам «глубоких» знаний о предметной области

Передача экспертным системам «глубоких» знаний о предметной области является большой проблемой.

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


Слайд 14 1986 г. – алгоритм обратного распределения ошибки

Нейронные сети

1986 г. – алгоритм обратного распределения ошибкиНейронные сети Хопфилда и ХэммингаВозвращение к нейронным сетям (1988-1995)

Хопфилда и Хэмминга

Возвращение к нейронным сетям (1988-1995)


Слайд 15
В искусственном интеллекте, под термином интеллектуальный агент понимаются

В искусственном интеллекте, под термином интеллектуальный агент понимаются разумные сущности, наблюдающие

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)


Слайд 16 Представление знаний
Манипулирование знаниями
Общение
Восприятие
Обучение
Поведение
Проблемная область ИИ

Представление знанийМанипулирование знаниямиОбщениеВосприятиеОбучениеПоведениеПроблемная область ИИ

Слайд 17 Представление знаний
Формализация знаний
Представление знаний в памяти ИнС

Манипулирование знаниями
Оперирование

Представление знанийФормализация знанийПредставление знаний в памяти ИнСМанипулирование знаниямиОперирование знаниямиПополнение знанийКлассификация знанийОбобщение

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

рассуждений человека

Общение
Восприятие
Обучение
Поведение

Проблемная область ИИ


Слайд 18 Интеллектуальные агенты

Интеллектуальные агенты

Слайд 19 Агентом является все, что может рассматриваться как воспринимающее

Агентом является все, что может рассматриваться как воспринимающее свою среду с

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


Слайд 20 Разработка показателей производительности
Отказ от всезнания
Обучаемость
Автономность
Концепция рациональности
Рациональным агентом является

Разработка показателей производительностиОтказ от всезнанияОбучаемостьАвтономностьКонцепция рациональностиРациональным агентом является такой агент, который выполняет правильные действия.

такой агент, который выполняет правильные действия.


Слайд 21 Показатели производительности – критерии оценки успешного поведения агента.

Показатели производительности – критерии оценки успешного поведения агента. Необходимо разрабатывать показатели



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


Слайд 22 Отказ от всезнания

Рациональность — это максимизация ожидаемой производительности.
Совершенство

Отказ от всезнанияРациональность — это максимизация ожидаемой производительности.Совершенство — это максимизация

— это максимизация фактической производительности.

От агента нельзя требовать,

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

Концепция рациональности


Слайд 23 Обучаемость
Начальная конфигурация агента может отражать некоторые предварительные знания

ОбучаемостьНачальная конфигурация агента может отражать некоторые предварительные знания о среде, но

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


Слайд 24 Проблемная среда объединяет в себе агента, показатели производительности,

Проблемная среда объединяет в себе агента, показатели производительности, среду, исполнительные механизмы

среду, исполнительные механизмы и датчики агента.
Определение проблемной среды


Слайд 25 Полностью наблюдаемая или частично наблюдаемая среда
Проблемная среда является

Полностью наблюдаемая или частично наблюдаемая средаПроблемная среда является полностью наблюдаемой, если

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


Слайд 26 Детерминированная или стохастическая среда

Если следующее состояние среды полностью

Детерминированная или стохастическая средаЕсли следующее состояние среды полностью определяется текущим состоянием

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.


Слайд 27 Эпизодическая или последовательная среда

В эпизодической проблемной среде опыт

Эпизодическая или последовательная средаВ эпизодической проблемной среде опыт агента состоит из

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


Слайд 28 Статическая или динамическая среда

Если среда может измениться в

Статическая или динамическая средаЕсли среда может измениться в ходе того, как

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


Слайд 29 Дискретная или непрерывная среда

Различие между дискретными и непрерывными

Дискретная или непрерывная средаРазличие между дискретными и непрерывными вариантами среды может

вариантами среды может относиться к состоянию среды, способу учета

времени, а также восприятиям и действиям агента.

Свойства проблемной среды


Слайд 30 Одноагентная или мультиагентная среда

На каком основании некоторая сущность

Одноагентная или мультиагентная средаНа каком основании некоторая сущность должна рассматриваться как

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.


Слайд 31 Агент = Архитектура + Программа
Структура агентов
Основные виды программ

Агент = Архитектура + ПрограммаСтруктура агентовОсновные виды программ агентов:• простые рефлексные

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

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

Слайд 32 Простой рефлексный агент выбирает действия на основе текущего

Простой рефлексный агент выбирает действия на основе текущего акта восприятия, игнорируя

акта восприятия, игнорируя всю остальную историю актов восприятия.
Простые

рефлексные агенты

Слайд 33 Агент должен отслеживать ту часть мира, которая воспринимается

Агент должен отслеживать ту часть мира, которая воспринимается им в текущий

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


Слайд 34 Рефлексные агенты, основанные на модели

Рефлексные агенты, основанные на модели

Слайд 35 Агенты, основанные на цели

Агенты, основанные на цели

Слайд 36 Функция полезности отображает состояние (или последовательность состояний)

Функция полезности отображает состояние (или последовательность состояний) на вещественное число,

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


Слайд 37 Агенты, основанные на полезности

Агенты, основанные на полезности

Слайд 38 Обучающий компонент – отвечает за внесение усовершенствований.
Производительный компонент

Обучающий компонент – отвечает за внесение усовершенствований.Производительный компонент – обеспечивает выбор

– 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


  • Имя файла: intellektualnye-sistemy.pptx
  • Количество просмотров: 108
  • Количество скачиваний: 1