ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 23.11.2023
Просмотров: 131
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Айсель Джабиева10:13
+
Софья Романовна Быкова10:13
Все понятно
Анастасия Александровна Котенко10:13
+
Ярослав Романович Бербенцов10:13
+
Марине Арменаковна Меликян10:13
+
Анастасия Андреевна Токарева10:13
+
Татьяна Сухина10:13
+
Сергей Сергеевич Сергутин10:13
+
Дарья Равилевна Тыдыкова10:13
+
Евгения Владиславовна Покрашенко10:13
+
Алексей Константинович Макаренко10:13
+
Полина Борисовна Трушковская10:13
+
Софья Ильинична Полякова10:13
+
Валерия Сергеевна Литвинюк10:13
+
Виктория Константиновна Мельникова10:13
+
Данил Евгеньевич Светильников10:13
+
Мадина Джамаловна Лило10:13
+
Мария Игоревна Швец10:13
+
Анна Максимовна Иващенко10:13
+
Андрей Алексеевич Бородин10:13
+
Мария Игоревна Швец10:15
Типы искусственного интеллекта
Распределенный искусственный интеллект. ...
Искусственный суперинтеллект. ...
Слабый искусственный интеллект. ...
Сильный искусственный интеллект.
БЮП-22-3 Швец Мария
я временно не могу говорить
Иван Константинович Котвелиев10:16
Типы ИИ
Выделяют три вида искусственного интеллекта:
Слабый ИИ (Narrow AI). Единственный доступный сейчас тип ИИ, применяемый в голосовых помощниках, системах виртуальной реальности, рекомендательных механизмах и других решениях.
Сильный ИИ (AGI). ИИ с самосознанием и возможностями, приближенными к человеческим. По прогнозам экспертов, сильный ИИ будет окончательно сформирован и доступен для использования не раньше 2075 года.
Супер ИИ (Super AI). ИИ с полным самосознанием и сформированным мы
БЮП-22-1
Галина Алексеевна Ардатова10:21
На сегодняшний день существует четыре основных вида ИИ:
реактивные машины - системы ИИ, не имеющие памяти и решающие только определенные задачи. Они не способны формировать воспоминания и использовать полученный ранее опыт для выполнения своих функций;
ограниченная память - системы с памятью, основанной на прошлом опыте. Однако этот опыт не сохраняется и не компилируется в библиотеке информации ИИ;
теория разума - системы, понимающие человеческие эмоции и намерения, обладающие социальным инте
интеллектом и участвующие в командной работе;
самосознание - у систем ИИ этого типа формируется представление о себе, благодаря чему они полностью имитируют интеллект человека.
Евгения Владиславовна Покрашенко10:22
реактивные машины - системы ИИ, не имеющие памяти и решающие только определенные задачи. Они не способны формировать воспоминания и использовать полученный ранее опыт для выполнения своих функций;
ограниченная память - системы с памятью, основанной на прошлом опыте. Однако этот опыт не сохраняется и не компилируется в библиотеке информации ИИ;
теория разума - системы, понимающие человеческие эмоции и намерения, обладающие социальным интеллектом и участвующие в командной работе;
самосознание - у систем ИИ этого типа формируется представление о себе, благодаря чему они полностью имитируют интеллект человека.
Покрашенко Е БЮП-22-2
Алексей Константинович Макаренко10:22
Существует Глубокое обучение, Нейронные сети, Машинное обучение, Обработка естественного языка, Когнитивные вычисления, Компьютерное зрение.
Макаренко Алексей БЮП-22-1
Мария Игоревна Швец10:23
Используемые в настоящий момент системы опираются на логику и точные расчеты, применяя упрощенную «модель производственных процессов», выбранную заранее. ИИ позволяет анализировать обстановку в реальном времени и сохранять работоспособность при смене целей управления, непредвиденных изменениях свойств управляемого объекта или параметров окружающей среды. Система способна менять алгоритм управления и искать оптимальные и эффективные решения.
БЮП-22-3 Швец
Анастасия Александровна Котенко10:25
Системы с интеллектуальным интерфейсом
Естественно-языковой интерфейс используется для:
• доступа к интеллектуальным базам данных;
• контекстного поиска документальной текстовой
информации;
• голосового ввода команд в системах управления;
• машинного перевода с иностранных языков
В системах контекстной помощи пользователь описывает проблему, а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. БЮП-22-2
Кристина Константиновна Гребенюк10:26
А подразделы будут?
Анастасия Александровна Котенко10:26
В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики (обучения на примерах).
Дедуктивные системы
При дедуктивной обработке информации для определения конкретных фактов используются общие правила. Обучение на основе подобия представляет собой индуктивный процесс, а доказательство теорем – дедуктивный, поскольку опирается на известные аксиомы и уже доказанные теоремы.
Нейронные сети позволяют решать задачи прогнозирования, классификации
Семён Евгеньевич Трубчиков10:28
Принцип действия искусственной нейронной сети состоит в формировании связей между множеством различных обрабатывающих элементов, каждый из которых служит аналогом одного нейрона в головном мозге биологического существа. Нейроны могут быть воспроизведены физически или смоделированы с помощью цифрового компьютера. БЮП-22-2
Айсель Джабиева10:28
Нейронная сеть — это последовательность нейронов, соединенных между собой синапсами. Структура нейронной сети пришла в мир программирования прямиком из биологии. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию. Нейронные сети также способны не только анализировать входящую информацию, но и воспроизводить ее из своей памяти.
БЮп-22-01
Алексей Константинович Макаренко10:29
Нейронные сети
Нейронная сеть как тип машинного обучения составлена из взаимосвязанных блоков, обрабатывающих информацию с учетом внешних данных и пересылающих эту информацию между блоками. Блоки работают совместно как нейроны, отсюда и название.
Доктор Роберт Хехт-Нильсен, разработавший первый нейрокомпьютер, определил нейронную сеть как вычислительную систему, составленную из простых, глубоко взаимосвязанных обрабатывающих элементов, которые обрабатывают информацию путем динамического реагир
ования
Константин Александрович Мастерков10:29
Под нейросетью понимается скопление нейронов, способное в совокупности распознавать какие-либо явления или объекты. Это скопление обучается, действует последовательно, запоминает данные, умеет обрабатывать запросы и выдавать информацию. По такому принципу работают нейронные связи в человеческом мозге, поэтому нейросети называют искусственным интеллектом. БЮП-22-1
Анастасия Александровна Котенко10:29
Основные задачи нейросетевого прогнозирования можно разбить на два основных типа: регрессия и классификация. Большое практическое значение имеет регрессионное прогнозирование технологических показателей извлечения и физико-механических свойств руд в ходе геолого-технологического моделирования, поскольку необходимым и решающим условием для обеспечения рентабельности отработки руды при общем низком уровне извлечения металла является создание геолого-технологических блочных моделей
БЮП-22-2
Галина Алексеевна Ардатова10:29
искусственная нейронная сеть (ИНС) может состоять из нескольких слоев простейших процессоров (нейронов), каждый из которых осуществляет некоторое математическое преобразование (вычисляет результат математической функции) над входными данными и передает полученный результат на следующий слой или на выход сети. БЮП 22-3
Константин Александрович Мастерков10:29
Под нейросетью понимается скопление нейронов, способное в совокупности распознавать какие-либо явления или объекты. Это скопление обучается, действует последовательно, запоминает данные, умеет обрабатывать запросы и выдавать информацию. По такому принципу работают нейронные связи в человеческом мозге, поэтому нейросети называют искусственным интеллектом.
Иван Константинович Котвелиев10:29
Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).
В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска. БЮП-22-1
Константин Александрович Мастерков10:29
БЮП-22-1
Семён Евгеньевич Трубчиков10:29
Принцип действия искусственной нейронной сети состоит в формировании связей между множеством различных обрабатывающих элементов, каждый из которых служит аналогом одного нейрона в головном мозге биологического существа. Нейроны могут быть воспроизведены физически или смоделированы с помощью цифрового компьютера.БЮП-22-2
Константин Александрович Мастерков10:30
В текущем виде нейронные сети, созданные людьми, находятся под их полным контролем. Зачастую они выполняют утилитарные функции и представляют собой модели машинного обучения, «заточенные» под выполнение нескольких конкретных задач. Ученые и разработчики «скармливают» искусственному интеллекту данные, а он в ответ перерабатывает их нужным образом. Например, делает грустные лица на фото веселыми или подменяет загруженный голос на голос другого человека.
БЮП-22-1
Софья Ильинична Полякова10:30
Нейронные сети распространены во множестве отраслей. В их числе:
Диагностика с помощью классификации медицинских изображений
Целевой маркетинг с помощью фильтрации социальных сетей и анализа поведенческих данных
Финансовые прогнозы с помощью обработки исторических данных финансовых инструментов
Прогнозирование электрической нагрузки и потребности в энергии
Контроль соответствия требованиям и качества
Определение химических соединений
Валерия Сергеевна Литвинюк10:30
В отличие от обычных алгоритмов нейросети способны обучаться на основе опыта. Нейросети анализируют и выявляют связи между данными на входе и выходе, обобщают данные и формируют решения задач. Чтобы нейросети могли функционировать таким образом, используются методы машинного обучения. Причём в случае с нейросетями такое обучение требует много вычислительных ресурсов.
Чему вы сможете научить нейросеть, зависит от входных данных. Чем больше данных, тем качественнее будет обучение. Можно научить
Софья Ильинична Полякова10:30
БОР-22-1
Валерия Сергеевна Литвинюк10:30
Можно научить нейросеть отличать одни объекты от других, сравнивать и прогнозировать. Обучение нейросети похоже на обучение детей, когда им показывают картинку и говорят: "Это кошка". В случае с нейросетями они получают очень много таких картинок с объясняющими ярлыками и учатся распознавать отдельные элементы, которые затем смогут совмещать. Входное изображение попадает в некую фильтрующую систему. Фильтры в ней разные по размеру и по сложности элементов, которые могут распознать – у каждого ес
Семён Евгеньевич Трубчиков10:30
Принцип действия искусственной нейронной сети состоит в формировании связей между множеством различных обрабатывающих элементов, каждый из которых служит аналогом одного нейрона в головном мозге биологического существа. Нейроны могут быть воспроизведены физически или смоделированы с помощью цифрового компьютера.
Евгения Владиславовна Покрашенко10:30
Нейронные сети
Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей - финансовое прогнозирование, раскопка данных, диагностика систем, контроль
Покрашенко Е Бюп-22-2
Ярослав Романович Бербенцов10:31
Нейронная сеть — это метод в искусственном интеллекте, который учит компьютеры обрабатывать данные таким же способом, как и человеческий мозг. Это тип процесса машинного обучения, называемый глубоким обучением, который использует взаимосвязанные узлы или нейроны в слоистой структуре, напоминающей человеческий мозг. Он создает адаптивную систему, с помощью которой компьютеры учатся на своих ошибках и постоянно совершенствуются. БЮП-22-2