цьому не завадило б його роботі і житті.
І закінчуючи ознайомлення з різними методами і підходами до побудови систем ШІ, хотілося б відзначити, що на практиці дуже чіткої межі між ними немає. Дуже часто зустрічаються змішані системи, де частина роботи виконується по одному типу, а частина по-іншому.
2. 3 Приклади реальних досліджень в області ШІ
ШІ в Країні висхідного сонця
Профіль японських конференцій (а цій країні належить чимало оригінальних та унікальних досягнень в області ШІ), не сильно відрізняється від загальносвітового. Тим цікавіше ці відмінності - На них зосереджені значні обсяги інвестицій державних і приватних японських організацій. Серед напрямків, більш популярних в Японії в порівнянні з європейськими та американськими школами ШІ, відзначимо наступні: створення та моделювання роботи е-ринків і е-ауціонов, біоінформатика (електронні моделі клітин, аналіз білкової інформації на паралельних комп'ютерах, ДНК-обчислювачі), обробка природних мов (самообучающиеся багатомовні системи розпізнавання та розуміння сенсу текстів), Інтернет (інтеграція Мережі і всіляких датчиків реального часу в житлових будинках, інтелектуальні інтерфейси, автоматизація рутинних робіт на основі формалізації прикладних і системних понять Інтернету, ітераційні технології виділення потрібних відомостей з великих обсягів даних), робототехніка (машинне навчання, ефективне взаємодія автономних пристроїв, організація руху, навігація, планування дій, індексація інформації, яка описує рух), способи подання та обробки знань (підвищення якості знань, методи отримання знань від людей-експертів, розкопування і пошук даних, вирішення на цій основі завдань реального світу - наприклад, управління документообігом).
Багато робіт присвячено алгоритмам логічного висновку, навчанню роботів, планування ними дій.
1. Військові технології
Дослідження в області нейронних мереж, що дозволяють отримати хороші (хоча і наближені) результати при вирішенні складних завдань управління, часто фінансує військове наукове агентство DARPA. Приклад - проект Smart Sensor Web, який передбачає організацію розподіленої мережі різноманітних датчиків, синхронно працюють на полі бою. Кожен об'єкт (вартістю не більше $ 300) в такій мережі являє собою джерело даних - візуальних, електромагнітних, цифрових, інфрачервоних, хімічних і т. п. Проект вимагає нових математичних методів рішення багатовимірних задач оптимізації. Ведуться роботи по автоматичному розпізнаванню цілей, аналізу і передрікання збоїв техніки за відхиленнями від типових параметрів її роботи (наприклад, по звуку). Операція "Буря в пустелі" стала стимулом до розвитку експертних систем з просунутим ІІ, застосовуваним в галузі постачання. На розробках, пов'язаних з технологіями машинного зору, засновано все високоточне зброю. У ЗМІ нерідко можна прочитати про прийдешні сутичках самостійно діючих армій самохідних машин-роботів і безпілотних літаків. Однак існує ряд невирішених наукових проблем, що не дозволяють в найближчі десятиліття перетворити подібні прогнози в реальність. Перш за все це недоліки систем автоматичного розпізнавання, нездатних правильно аналізувати відеоінформацію в масштабі реального часу. Не менш актуальні завдання вирішення колізій у великих спільнотах автономних пристроїв, абсолютно т очного розпізнавання своїх і чужих, вибору підлягають знищенню цілей, алгоритмів поведінки в незнайомому середовищі і т. п. Тому на практиці військові намагаються досягти менш масштабних цілей. Значні зусилля вкладаються в дослідження по розпізнаванню мови, створюються експертні та консультаційні системи, покликані автоматизувати рутинні роботи і знизити навантаження на пілотів. Нейронні мережі досить ефективно застосовуються для обробки сигналів сонарів і отліченія підводних каменів від мін. Генетичні алгоритми використовуються для евристичного пошуку рішення рівнянь, визначають роботу військових пристроїв (систем орієнтації, навігації), а також у задачах розпізнавання - для поділу штучних і природних об'єктів, розпізнавання типів військових машин, аналізу зображення, одержуваного від камери з низьким дозволом або інфрачервоних датчиків.
3. Аналіз питання ШІ
3.1 Перспективні технології і застосування ШІ систем
Спочатку коротко розглянемо найбільш активно розвиваються підходи ШІ - у порядку убування їх популярності у фахівців. Треба відзначити, що менша популярність нерідко пов'язана не стільки з потенціалом технології, скільки з віддаленістю перспектив її прикладної реалізації (Наприклад, вкрай високий потенціал кіберзаводов поки не викликає серйозного інтересу через наявність безлічі невирішених завдань щодо їх управління).
1. Нейронні мережі. Це напрям стабільно тримається на першому місці. Триває вдосконалення алгоритмів навчання та класифікаці...
