ації ІІ, альо Варто згадаті, что основою всех існуючіх ЕОМ є біт - одиниця ІНФОРМАЦІЇ (або Значення коміркі пам'яті), яка может прійматі Значення Тільки логічного 0 и 1. Було б логічно пріпустіті , что все, что Можливо реалізуваті на ЕОМ, можна Було б реалізуваті и у вігляді логікі предікатів. Хочай тут Нічого НЕ згадується про ті, Скільки на це піде часу. Домогти більшої віразності логічного підходу дозволяє таке порівняно новий Напрям, як нечітка логіка. Ее особлівістю є ті, что правдівість висловлювань может прійматі окрім значень так / ні (1/0) ще й проміжні значення - «не знаю» (0.5), «скоріше так, чем ні» (0.75) и «скоріше ні, чем так »(0.25). Такий підхід больше схожий на мислення людини, оскількі людина не часто відповідає Тільки «так» чи «ні».
Для більшості логічніх методів характерна велика трудомісткість, оскількі во время поиска докази можливий повний перебір варіантів. Даній підхід вімагає ефектівної реалізації Обчислювальна процеса, и Задовільні результати роботи зазвічай гарантуються Тільки при порівняно невелика розмірі бази даних.
Під структурним підходом мают на увазі СПРОБА побудова ШІ путем моделювання структурованих людського Мозку. Однією з дерло таких СПРОБА БУВ перцептрон Ф. Розенблатта. Основний модельованої структурною одиницею в перцептронах (як и в більшості других варіантів моделювання Мозку) є нейрон. Пізніше вініклі и Інші МОДЕЛІ, відомі под загальною Назв «нейронні мережі» (НС). МОДЕЛІ ЦІ розрізняються за Будовий окрем нейронів, за топологією зв'язків между ними и за алгоритмами навчання. Серед найбільш відоміх варіацій НС можна назваті НС Зі зворотнього Поширення помилки, мережі Хопфілда та стохастичні нейронні мережі.
Нейронні мережі найбільш успішно застосовуються в задачах розпізнавання образів, в тому чіслі сильно зачумлених (нечіткіх). Такоже є Приклади успішного! Застосування НС для побудова власне систем ШІ.
Для моделей, побудованіх на Основі Будови людського Мозку характерна не занадто більша віразність алгорітмів І, Завдяк последнего, висока Продуктивність паралельно реалізованіх НС. Для таких мереж характерно Одне властівість, Яке Робить з Дуже схожими з людським мозком - нейронні мережі Працюють даже за умів недостатньої ІНФОРМАЦІЇ про Навколишнє середовище, тоб як и людина, смороду поставлених запитання могут відповідаті НЕ Тільки «так» и «ні», альо ї «не знаю точно, но скоріше ні», «не знаю точно, но скоріше так».
Досить ровері Поширення получил еволюційній підхід. При побудові систем ШІ по такому підходу, основними увага пріділяється побудові початкової МОДЕЛІ и правилам, за Якими вона (модель) может змінюватіся (еволюціонуваті). Модель может буті склад з найрізноманітнішіх методів, це могут буті и НС и набор логічніх правил и будь-яка Інша модель. После цього ми запускаємо ШІ, и ВІН, на підставі перевіркі моделей, відбірає найкращі з них, на підставі якіх по всілякіх правилами генеруються Нові МОДЕЛІ, з якіх вновь вібіраються найкращі и т. д.
Еволюційніх моделей, як таких, що не існує, є Тільки еволюційні алгоритми навчання, альо МОДЕЛІ, Отримані при еволюційному підході, мают деякі характерні Особливості, что дозволяє віділіті їх в окремий клас. Такими особливая є перенесеним ОСНОВНОЇ уваги розробник з побудова МОДЕЛІ на алгоритм ее модіфікації и ті, что Отримані МОДЕЛІ: практичніше не супроводжують вітяганню новіх з...
