Файл: Основные подходы к построению систем искусственного интеллекта (Определение сфер применения систем искусственного интеллекта).pdf

Скачать файл
Заказать решение

ВУЗ: Не указан

Категория: Курсовая работа

Дисциплина: Не указана

Добавлен: 29.06.2023

Просмотров: 453

Скачиваний: 12

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Введение

Глава 1. Сущность функционирования основных задач искусственного интелекта.

1.1. Определение сфер применения систем искусственного интеллекта

1.2.Основные элементы и задачи искусственного интеллекта

Глава 2. Анализ имеющихся подходов в сфере модернизации и построения систем искусственного интеллекта.

2.1. Состав и содержание основных подходов

2.2. Основные проблемы встречающиеся при построении систем искусственного интеллекта.

Глава 3. Обеспечение бесперебойного функционирования систем искусственного интеллекта на базе корректно выбранных подходов к его построению.

3.1 Алгоритмы поиска оптимального пути

Результаты применения исследуемой архитектуры в простейшем игровом симуляторе

Универсальный алгоритмический интеллект.

Сама идея данного подхода известна давно, но получил он признание сравнительно недавно в основном через работы [Hutter, 2001], [Schmidhuber, 2003] и другие работы этих авторов. В его рамках основной упор делается на модели универсальной индукции Соломонова, включенные в систему выбора действий в окружающей среде для максимизации некоторой оценивающей функции. Здесь анализ начинается с простой универсальной модели, на которую не накладываются ресурсные ограничения.

Первый шаг подхода аналогичен, так как можно предположить, что свойство универсальности крайне желательно сразу вводить в модель универсального ИИ и поддерживать сохранение этого свойства при развитии модели, которое осуществляется путем ввода ресурсных ограничений. В современных версиях рассматриваемых подходов ресурсные ограничения также вводятся, но с сохранением максимальной непредвзятости универсального ИИ, что позволяет строить общие модели самооптимизации. Такой учет ограничений на ресурсы, однако, не вполне достаточен. Можно сказать, что он требует воспроизводства целиком эволюции, которая также начиналась как универсальный самооптимизирующийся поиск без какой-либо априорной информации.

Очевидно, чтобы становление подобного универсального интеллекта могло быть осуществлено за обозримое время, необходимо в него закладывать как достаточно большой объем априорной информации о структуре внешнего мира, так и эвристики для сокращения перебора вариантов моделей и действий. Эти эвристики как раз можно почерпнуть из феноменологии когнитивных функций естественного интеллекта. С другой стороны, в сильный ИИ нерационально вручную закладывать слишком большой объем специфичных знаний, которые он может почерпнуть самостоятельно. Очевидно, необходимо достижение оптимального компромисса между этими двумя крайностями. Помимо этого, отдельный вопрос для обсуждения заключается в том, а действительно ли представленные модели являются универсальными. Для этого необходимо тщательно сравнить гипотетические возможности этих моделей с возможностями человека. Отчасти такие сравнения проводятся (например, [Hutter, 2005]), хотя их нельзя назвать бесспорными или исчерпывающими. Тем не менее, сомнения в действительной универсальности этих моделей вполне можно выдвинуть, что будет показано при анализе нашей собственной модели универсального алгоритмического интеллекта.

Сейчас можно отметить лишь одно из таких сомнений, которое заключается в том, что интеллект лишь в нулевом приближении можно свести к максимизации априорно заданной целевой функции. Ведь если, скажем, задача интеллекта заключается в обеспечении выживания, то априорно заданная целевая функция (базирующаяся, скажем, на эмоциональных оценках) может быть лишь грубой эвристической аппроксимацией цели выживания. Это означает необходимость существования специальных механизмов, позволяющих каким-то образом уточнять целевую функцию в онтогенезе. Здесь можно привести следующую аналогию с шахматами. Пусть один интеллектуальный агент может сыграть только одну партию. Имея ограниченные вычислительные ресурсы, он не может осуществить полный перебор вариантов, чтобы предсказать победу или поражение. Рождаясь с минимумом априорных знаний о мире, он не может иметь сложную целевую функцию, которая бы позволяла эффективно отсекать неперспективные варианты на дереве игры. Исходная целевая функция может опираться лишь на какие-то непосредственно воспринимаемые стимулы, скажем на суммарную силу фигур (дающую ощущение боли и удовольствия при потере своей фигуры или съедении В процессе взросления (игры) агент может построить более сложные понятия, но самостоятельно (не прожив жизнь целиком) он в принципе не сможет определить, как на основе этих понятий можно улучшить целевую функцию. Эту информацию ему, однако, могут дать другие агенты, но только при условии, что имеется некий хороший механизм модификации целевой функции. Этот аспект имеет отношение и к проблеме дружественного ИИ

Подход на основе обучения целевым функциям. [14] Проблема обучения целевым функциям иногда рассматривается в качестве основополагающей при построении сильного ИИ (или, точнее, дружественного ИИ [Yudkowsky, 2011]). В рамках этого подхода совершенно справедливо замечается, что максимизация априорной целевой функции недостаточна для того, чтобы искусственный интеллект оказался универсальным, особенно, в части эффективного (и желаемого) взаимодействия с социальным окружением, которое является таким же элементом объективной реальности, как и физическое окружение. Проблема наделения ИИ способностью к модификации собственной целевой функции нетривиальна в силу того, что не ясно, как целевая функция может оптимизироваться, если не под управлением другой целевой функции (или каких-то других априорных механизмов). ____________________________________________________________

Важность возможности модификации целевой функции связана не только с тем, что это необходимо для полноценной универсальности агента, но и с тем, что ИИ, стремящийся к максимизации априорной целевой функции, вполне может найти такие действия, оптимальные с точки зрения этой функции, которые окажутся крайне нежелательными для людей [Yudkowsky, 2011]. Хотя важность этих аспектов бесспорна, их рассмотрение вне конкретных моделей универсaльного интеллекта не позволяет наметить путь создания сильного ИИ (а, скорее, задает некоторые ограничения на пути его создания), поэтому данный подход следует считать комплементарным другим подходам. Возможность модификации целевой функции необходимо предусмотреть в архитектуре универсального интеллектуального агента, хотя в целом это можно рассматривать на том же уровне, что и другие когнитивные функции, а именно, как специфическую эвристику повышения эффективности развития «младенческого» ИИ до уровня «взрослого» ИИ;

Заключение.

Создание системы искусственного интеллекта прежде всего требует тщательно организованной работы, а так же обладания всеми необходимыми знаниями для создания действительно рабочей системы удовлетворяющей все запросы пользователя. Главенствующим фактором в решении данного вопроса является выбор необходимого подхода в построении системы исключающей сбои в работе механизма. Имеющиеся в современной практике системы с течением времени имеют свойство изменяться и модернизироваться в следствии совершенствования мира информационных технологий, приобретая совершенно иные вариации и структуры.

Имея тесную связь с кибернетикой это направение стремиться проникнуть во все сферы деятельности человечества вобрав в себя разнообразные данные навыки и системы управления.Содержательная сложность интеллекта, его когнитивная архитектура, – это то, что позволяет действовать нам в имеющемся окружающем мире в условиях ограниченных ресурсов и без чрезмерно длительного обучения. Однако это же и значит, что главная сложность нашего интеллекта связана именно с его оптимизированностью под окружающий мир. Проще говоря структура такого интеллекта совершенно не может быть выведена теоретически в универсальных моделях интеллекта, а скорее должна быть получена эмпирически как-бы самим универсальным интеллектом, либо разработчиками. И конечно же, люди при всем этом желают создать нaстолько универсальный интеллект, нaсколько это возможно.

Говоря точнее, такой интеллект может быть настолько же универсальным, насколько являются упоминавшиеся простейшие модели. Разница между ними будет лишь в смещении предпочтений или предвзятости по направлению к нашему миру.

Естественно, повышение эффективности такого интеллекта для нашего мира произойдет за счет снижения его эффективности(ноне до нуля, в чем и заключается универсальность) в каких-то других возможных мирах, однако, с учетом того, что ему предстоит действовать в первую очередь в нашем мире, это является вполне допустимым. И подводя итог, хотелось бы отметить, важность, значимость и универсальность системы искуственного интелекта в мире, так как данная система существенно упрощая многие элементы делает возможным воплощение в жизнь все новых возможностей компьютерных технологий.

Список литературы

Введение

Актуальность темы работы. Актуальность данной работы состоит в том, что в реалях нашей современности является невозможным комфортное существование любой деятельности без такого немаловажного эллемента как искусственный интеллект. Обращаться к нему нам приходится достаточно часто, периодически даже не вникая в сущность данного понятия, а так же весьма широкий сектор его применения.

Данная работа представляет возможность рассмаотреть сущность понятия ИИ, а так же исследовать возможные подходы к построению данных систем. Широта спектра применения ИИ дает нам возможность на базе совершенствования имеющихся данных, строить новые, еще более функциональные системы, порождающие масштабное поле его применения. Однако расширение возможностей и открытие новых областей дальнейшего развития, может вызвать неконтролируемые сбои, неадекватные реакции, а в некоторых случаях даже крах всей системы, с необходимостью отката в предыдущие версии. Для предотвращения подобного рода эффектов необходимо выбирать корректные подходы к построению систем ИИ.

Цель курсовой работы – рассмотреть системы искусственного интеллекта и подходы к его построению.

Задачи работы:

  • исследовать основные сферы деятельности системы искусственного интеллекта;
  • рассмотреть сущность и особенности системы искусственного интеллекта;
  • проанализировать вариации корректного функционирования;
  • исследовать проблематику функционирования данной системы;

Объект исследования – Основные подходы к построению систем искусственного интеллекта.

Теоретической основой исследования Научно- исследовательская литература.

Информационной базой исследования ученных разных стран в сфере развития информационных систем

Глава 1. Сущность функционирования основных задач искусственного интелекта.

1.1. Определение сфер применения систем искусственного интеллекта

Искусственный интеллект – это разработка компьютерных систем, которые способны решать задачи, ранее требовавшие обязательного участия человека. Изначально про ИИ заговорили в шестидесятыхө семидесятых годов прошлого столетия. И то было созвучно понятию «фантастика». При этом первый опыт внедрения был предпринят отдельными американскими банками несколькими десятилетиями позже.

Первопроходцем по внедрению систем искусственного интеллекта стал Citibank. Работники компании попытались использовать ветвь ИИ, для создания автоматической системы по принятию решений, сравнимую по эффективности с экспертами людьми. Этому примеру последовали другие ведущие банки США.

Проведенные опыты где использовался искусственныйс интеллект дали интересные результаты. Искусственные нейронные сети обладали мощным потенциалом для дальнейшего развития. В целом опыт следовало признать успешным. [1]

Сейчас, в наш век ИИ применим в настолько далеких от этого понятия областях, и является одновременно и областью науки, и набором вычислительных технологий. Четкого определения у этого понятия пока нет, но для обывателя это – направление технологических разработок, которое заставляет механизмы действовать определенным образом в зависимости от обстоятельств.

[1] Электронный ресурс посвященный информационным технологиям https://investoriq.ru

Принцип работы искусственного интеллекта «на пальцах» объяснить крайне непросто — в любом решении в этой области слишком много составляющих и еще больше неизвестных.

Но в общем искусственный интеллект во многом похож на маленького ребенка. Наблюдая за поведением взрослых, он учится принимать правильное решение. На первых порах его поправляют, но с каждым разом накопленные знания дают все больше возможностей делать верные выводы самостоятельно.

В Стране восходящего солнца 2017 год ознаменовался серьезными изменениями, произошедшими в банковской сфере. Ведущие японские компании заявили о готовности автоматизировать больше 30 тысяч рабчих мест. Правление банков пришло к выводу, что это необходимая мера, поскольку традиционные методы ведения бизнеса уже не помогали увеличивать прибыль. Сегодня искусственный интеллект активно используется при создании компьютерных игр, бытовой техники, личных помощников, распознающих голос, в предсказании погоды и так далее.

Стэнфордский университет еще в 2014 году запустил проект AI100. Это является как бы результатом работы за целый сто лет исследования искусственного интеллекта. Целый век я ученые из замых различных и знаменитых университетов США будут следить за тем, как развитие технологий меняет жизнь человечества— безопасность, социальный уклад, психологию, транспорт и другие сферы. Эфекты данной разработки мы можем наблюдать и сегодня. Первый доклад участники проекта выпустили в конце 2016 года. В нем они объяснили, какие достижения можно считать по-настоящему значимыми. Ученые считают, что через 15 лет в городах США большую часть бытовых обязанностей смогут взять на себя роботы. Они будут убирать в офисах и домах, следить за безопасностью, доставлять посылки. [2]

[2] Электронный ресурс посвященный информационным технологиям https://cryptus.world/

Первый домашний робот, которого можно купить, появился в 2001 году. Это пылесос Electrolux Trilobite. Он умеет самостоятельно передвигаться и обходить препятствия. В 2002 году компания iRobot выпустила пылесос Roomba. У него было 512 Мб оперативной памяти, и он умел не падать с лестницы во время уборки. Сейчас роботизированные пылесосы есть у многих производителей. Они становятся все более простыми в использовании, сами очищают пылесборники, научились не застревать в проводах или ворсе ковра. Искусственный интеллект помогает им выстраивать 3D-модель дома, поэтому уборка стала более эффективной. Правда, пока умные пылесосы могут справляться только с ровными поверхностями. Кстати, последние модели iRobot могут выходить в интернет. Им это нужно, чтобы загружать в облачное хранилище карту помещения — так можно уменьшить время уборки. Но к этой технологии тоже есть вопросы: некоторые специалисты считают, что производитель пылесосов получает доступ к планам помещений в миллионах домов своих клиентов. [1]

Так же немаловажное достижение и огромную роль в жизни человечества играет огромный потенциал ИИ в сфере медицины. Сейчас в этой отрасли используются приложения и устройства, которые облегчают диагностику, следят за состоянием пациента и помогают хирургам проводить операции. Основной прогресс искусственного интеллекта в области медицины связан со сбором и хранением данных. Уже появились электронные медицинские карты (ЭМК). Они хранят всю информацию о болезнях пациента и оказанных ему услугах. Проще говоря, идет процесс накопления данных. [3]

[1] Электронный ресурс посвященный информационным технологиям https://investoriq.ru

[3] Электронный ресурс посвященный информационным технологиям http://www.tadviser.ru

Уже сейчас существуют роботы, которые умеют делать операции. В 2000 году компания IIntuitive Surgicаl выпустила хирургическую систему Da Vinсi, которая умела проводить коронарное шунтирование. А некоторые даже спостобны выполнять операции еще более сложного характера.

Так же системы искусственного интеллекта разработаны для ведения канцелярской работы, осуществления рутинных задач, обработки массивов данных Big Dаta. Но, пожалуй, лидеры в использовании технологий искусственного интеллекта — интернет-гиганты. В таких компаниях, как Аpple, Gооgle и Яндекс активно используют машинное обучение. Сервисы навигации уже не просто строят кратчайшие или самые маршруты, но и строят прогноз загруженности дорог. Онлайн-переводчики, построенные на технологиях искусственного интеллекта, предлагают вместо набора бессвязных слов вполне слитный текст. А компания Яндекс запустила в 2015 году платформу Meteum, строящую точный прогноз погоды на ближайшие часы.

Рынок искусственного интеллекта, по прогнозам, к 2025 г. достигнет $36,8 млрд, по сравнению с $644 млн в 2016 г. В искусственный интеллект (ИИ) сейчас инвестируют многие технологические компании, однако пока не всем понятно, как именно новые технологии будут использоваться и в каких сегментах могут приносить доход разработчикам.

В данный момент наиболее перспективными сферами применения ИИ можно считать рекламу и технологии автоматического вождения.

Технологии искусственного интеллекта в рекламе сейчас используют Alphаbet Inc. (GООG, NASDАQ) и Facebоok (FB, NASDAQ), которые с помощью ИИ обрабатывают пользовательские данные для таргетированной рекламы. Gооgle в прошлом квартале заработала на рекламе $19,8 млрд, но полагает, что с помощью искусственного интеллекта удастся заработать намного больше. В течение короткого времени Gооgle приобрела 11 компаний, которые занимаются разработками ИИ, среди которых важную роль занимает компания DeеpMind. [1]

Эта компания разработала программу распознавания голоса, которая имитирует человеческую речь и звучит более естественно, чем любой другой преобразователь текста. Технологии DeepMind компания Google уже сегодня стремится использовать в практических целях. На их основе Google создала систему Smart Bidding, которая использует систему машинного обучения, чтобы сделать рекламные объявления более точными. При этом ИИ учитывает гораздо больше параметров, чем человек или даже команда специалистов. [4]

[1] Электронный ресурс посвященный информационным технологиям https://investoriq.ru

[4] Ежемесячный журнал группы компаний «Фридом Финанс», январь 2017г. 5стр.

1.2.Основные элементы и задачи искусственного интеллекта

В процессе развития искусственного интеллекта (ИИ) были заложены основы новой технологии обработки информации. При этом новая технология нашла воплощение в самых разнообразных приложениях, например в понимании естественного языка, распознавании образов, в экспертных системах, при разработке интеллектуальных информационных систем.

В последние годы технология решения инфoрмационных задач значительно изменилась. Интенсивно развивается и внедряется новая информационная технология решения задач управления эффективностью бизнеса.

Для дальнейшего анализа новой технологии рассмотрим традиционную технологию решения задач: постановка задачи конечным пользователем; формализация и разработка программы задачи (системным аналитиком и программистом без участия пользователя); необходимые корректировки, вносимые в постановку; оценка новых результатов.

Далее по новому кругу. Корректировку в программу вносят системный аналитик и программист. Корректировка порой является более сложным процессом, чем разработка новой программы. Часто изменение программы связано с изменением производственной, экономической ситуации, изменением взглядов группы пользователей на процесс эксплуатации задачи, неправильного понимания создателями прикладного программного обеспечения (П0) соответствующих требований конечного пользователя. [5]

[5] Электронный справочный ресурс https://studref.com

Сложная программная система обычно содержит ошибки, не выявленные на стадиях отладки и тестирования. Ошибки могут быть внесены на любой стадии создания системы. Исправление ошибок - необходимое сопровождение программной системы. Это необходимо также в связи с изменениями условий, в которых задача решается, что вызывается естественным развитием предметной области. Эти изменения требуется внести в программу. Как следствие, возникает необходимость постоянного расширения функциональных возможностей системы.

При традиционной технологии решения задач сопровождение прикладного программного обеспечения выполняется на протяжении всего ее жизненного цикла. Процесс сопровождения в традиционной технологии требует по крайней мере такого же количества ресурсов, как и разработка программы (удваивается число специалистов по ПО, обслуживающих потребности пользователей). Это обусловило необходимость изменения технологии использования компьютеров.

Ситуацию можно преодолеть только путем привлечения пользователей к процессам решения задач, сопровождения программной системы, и, возможно, даже разработки прикладного ПО.

Однако это требует коренного изменения принципов организации прикладного ПО и методов его использования при решении задач, сложившихся в рамках традиционных технологий. Прежде всего, необходимо строить программные системы таким образом, чтобы радикально упростить процессы их эксплуатации и сопровождений.

Для того, чтобы глубже понять характер затруднений пользователя при его взаимодействии с компьютером при решении задач, необходимо подчеркнуть, что программная система в традиционной технологии решения обычно основывается на формальной модели решения задачи. Это может быть модель исследования операций, численный метод решения прикладного математического анализа, некоторая модель данных и т.п. При этом, как правило, множество понятий и терминов, в которых формулируется и описывается задача для применения программы, минимально и связано с математической моделью, а не с конкретной областью ее применения.

Смотрите также файлы