Файл: Реферат по дисциплине Введение в профессиональную деятельность на тему Определение искусственного интеллекта и машинного обучения. История создания искусственного интеллекта.docx
Добавлен: 12.12.2023
Просмотров: 61
Скачиваний: 3
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
| |  | | | | |
| МИНОБРНАУКИ РОССИИ | | | |||
| Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет» РТУ МИРЭА  | | | |||
| | Институт комплексной безопасности и специального приборостроения | | |||
| | Кафедра информатики | | |||
| РЕФЕРАТ | |||||
| по дисциплине «Введение в профессиональную деятельность» | |||||
| на тему «Определение искусственного интеллекта и машинного обучения. История создания искусственного интеллекта» | |||||
Выполнил:
Студент 1 курса
Направление 02.03.02
Группа БФБО-03-22
Нелюбин Андрей Владимирович
Преподаватель:
к.ф.-м.н., доцент,
Шмелева А.Г.
Москва, 2022 г.
Оглавление
Введение
ИИ является, пожалуй одной из самых обсуждаемых сфер информационных технологий. Многие говорят о ее перспективности, некоторые прогнозируют полное замещение даже самых «человеческих» профессий именно системами ИИ, ну а в поп-культуре уже давно культивируется образ восставших сверхумных машин, ставящих единственную цель – уничтожение всего сущего. Так что же на самом деле представляет собой эта загадочная технология?
Целью этой работы я ставлю определения понятия ИИ и установление исторических закономерностей, которые и привели эту сферу к нынешнему положению дел.
-
Определение искусственного интеллекта и машинного обучения
1.1. Мотив и мотивация – основные понятия Понятие искусственного интеллекта
Искусственный интеллект определяется как способность цифрового компьютера или робота с компьютерным управлением выполнять задачи, обычно ассоциирующиеся с разумными существами. В широком смысле его главная задача состоит в том, чтобы сымитировать принцип обработки информации человеком. В отличие от многих других информационных систем, системы искусственного интеллекта анализируют прошлый опыт, способны на обобщения.
1.2. Классификация систем искусственного интеллекта по степени сложности
По степени сложности системы искусственного интеллекта подразделяются на 2 вида: поверхностные и глубинные. Поверхностные модели характеризуются, как следует из названия, незамысловатой структурой, сводящей всю работу алгоритма к логической функции вида “условие - действие”. Такие системы искусственного интеллекта хороши для решения простых задач, однако сложные, многосоставные задачи решить практически не в состоянии. Для них и существуют глубинные модели искусственного интеллекта, характеризующиеся своей нелинейной структурой и необходимостью приспособления под конкретную прикладную задачу.
Иногда также приводится классификационная модель, дробящая системы ИИ на 3 вида: слабый, общий и сильный. Слабый ИИ может выполнять лишь очень ограниченные задачи, с него и началось развитие отрасли. Следующей вехой стал общий ИИ, он может частично или даже вплотную приближаться к способностям человека, может применяться в различных отраслях вследствие своей универсальности. Сейчас ИИ как раз находится на этой стадии развития. И наконец сильный ИИ характеризуется возможностями в разы превышающими способности человека.
-
Понятие машинного обучения
Из определения искусственного интеллекта становится очевидно, что это понятие достаточно обширное и включает в себя множество принципов и инструментов. Наиболее важный метод искусственного интеллекта - машинное обучение
, используя математические модели данных для самообучения, оно позволяет в конечном счете создать новую модель, имеющую предсказательную силу, возрастающую вместе с увеличением обработанных данных
-
виды машинного обучения
Можно разделить машинное обучение по принципу работы, таким образом существуют такие понятия как: машинное обучение с учителем, без учителя и “deep-learning”. Рассмотрим каждое из них поподробнее. Можно разделить машинное обучение по принципу работы, таким образом существуют такие понятия как: машинное обучение с учителем, без учителя и “deep-learning”. Рассмотрим каждое из них поподробнее.
Машинное обучение с учителем подразумевает под собой ввод множества данных(их еще называют dataset-ом) с целью анализа логических связей между параметрами датасета, а также их происхождением. Принцип действия можно кратко описать так: машина выдвигает требующиеся от нее гипотезы, а учитель подтверждает или же опровергает выводы машины. В случае если машина ошиблась, она снова пытается найти связь между данными и построить новую гипотезу. Не смотря на кажущеюся идеальность этого метода, в нем зарыты краеугольные проблемы из-за чего его эффективность сильно ограничена. Так, например скорость работы данного метода колеблется от масштаба данных, при небольшом количестве - оно работает быстро и точно, однако, чем больше датасет, тем больше подтверждений и опровержений требуется дать человеку. Соответсвено можно сделать вывод, что данный тип подходит для узкопрофильных задач с малым количеством данных.
Машинное обучение без учителя является, пожалуй, одним из самых эффективных методов машинного обучения для решения широкопрофильных задач, требующих неочевидный ответ. В отличие от предыдущего метода анализ логических связей между значениями датасета направлен не на решение конкретной задачи путём прямого вопроса учителя, а на информацию в целом. Таким образом машина медленно, но верно проверяет каждый параметр и с очень большой вероятностью найдет решение. Минусом здесь является бесполезность использования метода для малогабаритных простых задач, решаемых обычно с учителем.
Глубокое обучение (deep learning) нужно в первую очередь для больших данных, которые не в состоянии обработать один компьютер. Этот метод может проводится как с учителем
, так и без. В основополагающем принципе лежат нейронные сети, подразделяющие данные на более мелкие группы. После разбития данных на множество элементов, эти элементы подаются на различные другие устройства, что и позволяет добиться упрощения массивного объема информации и ускорения процесса обработки. Самый ресурсо-затратный метод как в контексте материальных вложений (требуется наличие нескольких устройств), так и временных (несмотря на разложение big data все равно обрабатывается долго).
2. история создания искусственного интеллекта
2.1. истоки искусственного интеллекта
С развитием способностей ЭВМ ученое сообщество все чаще и чаще поднимало вопрос о том, способна ли машина выполнять функции, казавшиеся ранее исключительно человеческими, будь то творчество, общение с людьми, разработка сложных абстрактных интеллектуальных концепций. Первопроходцами в осмыслении этого вопроса, пожалуй были ученые У.С. Мак-Каллок и В.Питтс, авторы статьи “Логическое исчисление идей, относящихся к нервной активности”. В этой статье они исследовали связь нейро -физиологической работы человеческого мозга и формальной логики, что и заложило основу формировании идеи искусственного интеллекта и нейронных сетей в частности.
Чуть позже была разработана модель “перцептрона”, переносящая принцип восприятия и обработки информации человеком на логические рельсы. Нужно сказать, что “кибернетический мозг” (альтернативное название “перцептрона”) используется в нейронных сетях уже более полувека без серьезных идеологических изменений.
2.2. развитие ии, приобретение экономической значимости
Достаточно долгое время концепция ИИ оставалась лишь любопытной идеей, которая имеет лишь теоретическую, исследовательскую ценность. Однако позже, в 1950-х годах, родилась новая отрасль ИИ – Обработка Естественного языка (от англ. - Neural language processing). Эта система позволяла переводить текст разных языков. В то время эта технология несмотря на простоту ее задумки была не только уникальной, но и очень полезной, что и поспособствовало крупным финансовым вложениям в этот проект.
Несмотря на казавшуюся инновационность систем обработки естественного языка, эта идея достаточно быстро столкнулось с серьезными лингвистическими проблемами, решить которые средствами той эпохи было практически невозможно.
На смену пришла новая инновационная технология – экспертные системы. Их идея состояла в обработке разнообразных запросов человека, анализу, поиску решений и выводу ответа на этот вопрос. Первое употребление экспертных систем имело био-химический характер: пользователь вводил некоторую информацию о веществе, система после анализа выдавала состояние этого вещества.
Естественно невозможно не упомянуть о развитии робототехники в контексте ИИ. Обработка зрительной информации (системы компьютерного зрения) позволили машине понимать происходящее вокруг и двигаться в нужном направлении. В 70-х годах прошлого столетия именно эта сфера ИИ позволила продолжить покорение космоса. Также робототехника пригодилась и в промышленности, с её помощью удалось существенно оптимизировать многие производственные процессы.
2.3. Современное положение ии
Сейчас ИИ – одна из самых востребованных и быстроразвивающихся отраслей компьютерных технологий. Области ее применения просто поражают воображение. От традиционных сфер бизнеса, банковского сектора и промышленности, до сельского хозяйства, военных целей и спорта. Практически в любом деле ИИ может оптимизировать огромное множество трудоемких процессов, не требуя при этом сравнимых с его пользой финансовых вложений, - именно поэтому наше время многие эксперты по праву называют «новым золотым веком ИИ». (https://dtf.ru/science/41917-sovremennoe-sostoyanie-iskusstvennogo-intellekta)
Заключение
Итак, рассматривая суть ИИ, его происхождение и события, повлиявшие на его развитие, можно сделать вывод о том, что эта технология, ставя изначальной целью лишь частичную имитацию работы человеческого мозга, впоследствии развилась почти до уровня создателя. Сейчас ИИ пишет стихи, рисует очень любопытные картины, помогает человеку в решении бытовых проблем и даже участвует в войнах и крупнейших экономических сделках. И это лишь часть пути, который, я уверен, ещё стоит пройти этой отрасли.
Будущее ИИ, на мой взгляд, достаточно противоречиво: с одной стороны – хочется сказать о возможной “прекрасной модернистской идиллии”, которая может быть достигнута при гармоничном использовании технологий