інює інше, і різні підходи існують і зараз. Крім того, оскільки по-справжньому повних систем штучного інтелекту в даний час немає, то не можна сказати, що якийсь підхід є правильним, а якийсь помилковим.
Для початку коротко розглянемо логічний підхід. Чому він виник? Адже людина займається аж ніяк не тільки логічними вигадками. Це висловлювання звичайно вірно, але саме здатність до логічного мислення дуже сильно відрізняє людину від тварин.
Основою для даного логічного підходу служить Булева алгебра. Кожен програміст знайомий з нею і з логічними операторами з тих пір, коли він освоював оператор IF. Свій подальший розвиток Булева алгебра отримала у вигляді обчислення предикатів - у якому вона розширена за рахунок введення предметних символів, відносин між ними, кванторів існування та загальності. Практично кожна система штучного інтелекту, побудована на логічному принципі, являє собою машину доведення теорем. При цьому вихідні дані зберігаються в базі даних у вигляді аксіом, правила логічного виводу як відносини між ними. Крім того, кожна така машина має блок генерації цілі, і система виведення намагається довести дану мету як теорему. Якщо мета доведена, то трасування застосованих правил дозволяє отримати ланцюжок дій, необхідних для реалізації поставленої мети. Потужність такої системи визначається можливостями генератора цілей і машиною доказу теорем.
Звичайно можна сказати, що виразності алгебри висловлювань не вистачить для повноцінної реалізації штучного інтелекту, але варто згадати, що основою всіх існуючих ЕОМ є біт - комірка пам'яті, яка може приймати значення тільки 0 і 1. Таким чином було б логічно припустити, що все, що можливо реалізувати на ЕОМ, можна було б реалізувати і у вигляді логіки предикатів. Хоча тут нічого не говориться про те, за який час.
Домогтися більшої виразності логічному підходу дозволяє таке порівняно нове напрям, як нечітка логіка. Основним її відмінністю є те, що правдивість висловлювання може брати в ній крім так/ні (1/0) ще й проміжні значення - не знаю (0.5), пацієнт швидше живий, ніж мертвий (0.75), пацієнт швидше мертвий, ніж живий (0.25). Даний підхід більше схожий на мислення людини, оскільки він на питання рідко відповідає тільки так чи ні. Хоча правда на іспиті будуть прийматися тільки відповіді з розряду класичної булевої алгебри.
Для більшості логічних методів характерна велика трудомісткість, оскільки під час пошуку докази можливий повний перебір варіантів. Тому даний підхід вимагає ефективної реалізації обчислювального процесу, і хороша робота зазвичай гарантується при порівняно невеликому розмірі бази даних.
Під структурним підходом ми маємо на увазі тут спроби побудови штучного інтелекту шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Основний модельованої структурною одиницею в перцептронах (як і в більшості інших варіантів моделювання мозку) є нейрон. p> Пізніше виникли й інші моделі, які в простолюдді зазвичай відомі під терміном "нейронні мережі "(НС). Ці моделі розрізняються за будовою окремих нейронів, по топології зв'язків між ними і за алгоритмами навчання. Серед найбільш відомих зараз варіантів НС можна назвати НС зі зворотним поширенням помилки, мережі Хопфілда, стохастичні нейронні мережі. p> НС найбільш успішно застосовуються в задачах розпізнавання образів, у тому числі сильно зашумлених, однак є й приклади успішного застосування їх для побудови власне систем штучного інтелекту, це вже раніше згадуваний ТАІР.
Для моделей, побудованих за мотивами людського мозку характерна не занадто більша виразність, легке розпаралелювання алгоритмів, і пов'язана з цим висока продуктивність паралельно реалізованих НС. Також для таких мереж характерно одна властивість, яке дуже зближує їх з людським мозком - нейронні мережі працюють навіть за умови неповної інформації про навколишнє середовищі, тобто як і людина, вони на питання можуть відповідати не тільки "Так" і "ні" але і "не знаю точно, але скоріше так". p> Досить велика поширення отримав і еволюційний підхід. При побудові систем штучного інтелекту з даного підходу основна увага приділяється побудови початкової моделі, і правилам, за якими вона може змінюватися (Еволюціонувати). Причому модель може бути складена з найрізноманітніших методам, це може бути і НС і набір логічних правил і кожна інша модель. Після цього ми включаємо комп'ютер і він, на підставі перевірки моделей відбирає найкращі з них, на підставі яких за самим різними правилами генеруються нові моделі, з яких знову вибираються найкращі і т. д.
У принципі можна сказати, що еволюційних моделей як таких не існує, існує тільки еволюційні алгоритми навчання, але моделі, отримані при еволюційному підході мають деякі характерні особливості, що дозволяє виділити їх в окремий клас.
Такими особливостями є перенесення основної роботи розробника з побудови моделі на алгоритм її...
