Ingineria cunoștințelor. Inteligența artificială. Învățare automată

Ingineria cunoașterii se referă la un set de metode, modele și tehnici care au ca scop formarea de sisteme concepute pentru a găsi soluții la probleme pe baza cunoștințelor disponibile. De fapt, termenul se referă la o metodologie, teorie și tehnologie care cuprinde metode de analiză, extracție, prelucrare și reprezentarea cunoștințelor.

Esența de inteligență artificială constă în analiza științifică și automatizarea funcțiilor intelectuale inerente ființei umane. Cu toate acestea, cele mai multe probleme au în comun complexitatea implementării lor la mașină. Studiul inteligenței artificiale a evidențiat faptul că în spatele soluției se află nevoia de cunoaștere expertă, adică de a crea un sistem capabil nu doar să memoreze, ci și să analizeze și să utilizeze cunoașterea expertă în viitor; aceasta poate fi aplicată în mod practic.

Istoria termenului

Ingineria cunoașterii și dezvoltarea sistemelor informatice inteligente, în special a sistemelor expert, sunt strâns legate între ele.

La Universitatea Stanford din Statele Unite ale Americii, în anii 1960 și 1970, sub îndrumarea lui E. Sistemul lui Feigenbaum a fost dezvoltat DENDRAL, iar puțin mai târziu MYCIN. Ambele sisteme au fost denumite sisteme expert datorită capacității lor de a stoca în memoria calculatorului și de a le utiliza pentru soluții la probleme cunoștințe de specialitate. Acest domeniu al ingineriei primește denumirea de "ingineria cunoașterii" de la premisa profesorului E. Feigenbaum, care a devenit creatorul sistemelor expert.

Abordări

Ingineria cunoașterii se bazează pe două abordări: transformarea cunoștințelor și construirea de modele.

1. Transformarea cunoștințelor. Procesul de transformare a experților și tranziția de la cunoașterea expertă la implementarea software a acesteia. Aceasta a stat la baza dezvoltării sistemelor bazate pe cunoaștere. Formatul de prezentare a cunoștințelor - reguli. Dezavantajele sunt incapacitatea de a prezenta cunoștințele tacite și diferitele tipuri de cunoștințe într-o formă adecvată, dificultatea de a reflecta un număr mare de reguli.
2. Construcția de modele. Construirea AI este considerată o formă de modelare; construirea unui model computerizat conceput pentru a rezolva probleme într-un anumit domeniu, pe picior de egalitate cu experții. Modelul nu este capabil să simuleze la nivel cognitiv activitatea expertului, dar permite obținerea unui rezultat similar.

Modelele și metodele de inginerie a cunoștințelor vizează dezvoltarea de sisteme informatice, al căror scop principal este obținerea cunoștințelor existente de la experți și organizarea ulterioară a acestora pentru o utilizare cât mai eficientă.

Inteligența artificială, rețelele neuronale și învățarea automată: care este diferența?

Una dintre modalitățile de realizare a inteligenței artificiale este o rețea neuronală.

Învățarea automată este un domeniu de dezvoltare a inteligenței artificiale care vizează explorarea metodelor de construire a algoritmilor de învățare automată. Apare necesitatea în absența o soluție clară la o problemă specifică. Într-o astfel de situație, este mai avantajos să se dezvolte un mecanism care poate produce o metodă pentru a găsi o soluție, decât să o caute.

Sub termenul des întâlnit "adânc" ("în profunzime") de învățare implică algoritmi de învățare automată, să lucreze care necesită cantități mari de resurse de calcul. Conceptul este asociat mai ales cu rețelele neuronale.

Se disting două tipuri de inteligență artificială: îngustă, sau slabă, și generală, sau puternică. Una slabă urmărește să găsească o soluție la o listă restrânsă de probleme. Cei mai proeminenți reprezentanți ai inteligenței artificiale cu țintă îngustă sunt asistenții vocali Google Assistant, Siri și Alice. Pe de altă parte, abilitățile unei inteligențe artificiale puternice îi permit să îndeplinească aproape orice sarcină umană. Până în prezent, inteligența artificială generală a fost considerată o utopie: implementarea ei este imposibilă.

Învățare automată

Învățarea automată se referă la metodele din domeniul inteligenței artificiale utilizate pentru a crea o mașină capabilă să învețe din experiență. Învățarea mecanică este atunci când o mașină procesează cantități mari de date și caută tipare în ele.

Învățarea automată și știința datelor, deși sunt similare, sunt diferite și fiecare are propriul scop. Ambele instrumente fac parte din domeniul inteligenței artificiale.

Învățarea automată, care este una dintre ramurile inteligenței artificiale, reprezintă algoritmi din care un computer poate trage concluzii, fără a adera la reguli definite în mod rigid. O mașină caută modele în probleme complexe cu mulți parametri, găsind răspunsuri mai precise decât creierul uman. Aceasta are ca rezultat o predicție precisă.

Știința datelor

Data mining este știința care constă în analiza datelor și extragerea de cunoștințe și informații valoroase din acestea. Comunică cu învățarea mecanică și cu știința gândirii, cu tehnologiile de tratare a volumelor mari de date. Știința datelor funcționează prin analizarea datelor și găsirea unei abordări corecte pentru sortarea, procesarea, selectarea și recuperarea informațiilor.

De exemplu, există informații despre cheltuielile financiare ale unei companii și informații despre contrapărți care sunt legate între ele doar prin ora și data efectuarea de tranzacții și date bancare intermediare. O analiză mecanică aprofundată a datelor intermediare face posibilă determinarea celei mai costisitoare contrapartide.

Rețele neuronale

Rețelele neuronale, care nu sunt un instrument separat, ci un tip de învățare automată, sunt capabile să simuleze creierul uman cu ajutorul neuronilor artificiali. Acțiunea lor este orientată spre rezolvarea sarcinii de rezolvat și spre autoînvățare pe baza experienței acumulate, cu minimizarea erorilor.

Obiectivele învățării automate

Principalul obiectiv al învățării automate este considerat a fi automatizarea parțială sau completă a găsirii de soluții la diverse sarcini analitice. Din acest motiv, învățarea automată trebuie să producă predicții bazate pe date cât mai exacte posibil. Învățarea automată are ca rezultat predicția și memorarea rezultatelor cu posibilitatea reproducerii lor ulterioare și selectarea uneia dintre cele mai bune variante.

Tipuri de învățare automată

Învățământul clasic este clasificat în trei categorii în funcție de prezența unui profesor:

1. Cu un profesor. Se aplică atunci când utilizarea cunoștințelor implică învățarea unei mașini să recunoască semnale și obiecte.
2. Fără profesor. Principiul de funcționare se bazează pe algoritmi care detectează asemănări și diferențe obiecte, anomalii, urmate de recunoașterea a ceea ce este considerat diferit sau neobișnuit.
3. Cu întărire. Se aplică atunci când mașina trebuie să îndeplinească corect sarcini într-un mediu extern cu multe soluții posibile.

Tipul de algoritmi utilizați se împarte în:

1. Învățare clasică. Algoritmi de învățare dezvoltați acum mai bine de o jumătate de secol pentru birourile de statistică și care au fost studiați temeinic de-a lungul timpului. Folosit pentru sarcini de manipulare a datelor.
2. Învățare profundă și rețele neuronale. O abordare modernă a învățării automate. Rețelele neuronale se aplică atunci când este necesară generarea sau recunoașterea imaginilor și a videoclipurilor, traducerea automată, procese complexe de luare a deciziilor și de analiză.

În ingineria cunoașterii, sunt posibile ansambluri de modele care combină mai multe abordări diferite.

Beneficiile învățării automate

Cu o combinație corectă a diferitelor tipuri și algoritmi de învățare automată, este posibilă automatizarea proceselor de afaceri de rutină. Partea creativă - negocierea, contractarea, crearea și executarea strategiilor - este lăsată în seama oamenilor. Această distincție este importantă deoarece oamenii, spre deosebire de mașini, sunt capabili să gândească în afara cutiei.

Provocări legate de crearea IA

În contextul creării inteligenței artificiale, există două probleme în crearea inteligenței artificiale:

• Validitatea recunoașterii oamenilor ca fiind o conștiință auto-organizată și a liberului arbitru și, în consecință, recunoașterea inteligenței artificiale ca fiind inteligentă necesită același lucru;
• Compararea inteligenței artificiale cu mintea umană și cu capacitățile acesteia, care nu ia în considerare caracteristicile individuale ale tuturor sistemelor și care presupune discriminarea acestora din cauza lipsei de semnificație a activității lor.

Problemele de creare a inteligenței artificiale se află în formarea imaginilor și a memoriei imaginilor. Lanțurile de imagini umane sunt formate asociativ, spre deosebire de activitatea unei mașini; spre deosebire de mintea umană, un computer caută dosare și fișiere specifice, mai degrabă decât să selecteze lanțuri de legături asociative. Inteligența artificială în ingineria cunoașterii utilizează în activitatea sa o bază de date specifică și este incapabilă de a experimenta.

A doua problemă este limbajele de învățare a mașinilor. Traducerea textului prin programe de traducere este adesea automată, iar rezultatul final este reprezentat de un set de cuvinte. O traducere corectă necesită înțelegerea sensului unei propoziții, ceea ce este dificil de implementat de către AI.

Lipsa de voință în inteligența artificială este, de asemenea, considerată o problemă pe calea creării acesteia. Pur și simplu, un computer nu are dorințe personale, spre deosebire de puterea și capacitatea de a efectua calcule complexe.

Sistemele moderne de inteligență artificială nu au niciun stimulent pentru a continua să existe și să se îmbunătățească. Cele mai multe IA sunt motivate doar de sarcina stabilită de oameni și de necesitatea de a o îndeplini. În teorie, acest lucru poate fi afectat prin crearea unei bucle de feedback între un computer și un om și prin îmbunătățirea sistemului de autoînvățare al computerului.

Primitivismul rețelelor neuronale create în mod artificial. Până în prezent, ele posedă avantaje identice cu creierul uman: învață din experiența personală, sunt capabile să tragă concluzii și să extragă cele mai importante informații din informațiile pe care le primesc. Cu toate acestea, sistemele inteligente nu sunt capabile să reproducă toate funcțiile creierului uman. Inteligența inerentă rețelelor neuronale moderne nu o depășește pe cea a unui animal.

Eficacitatea minimă a IA în scopuri militare. Creatorii de mașini robotizate bazate pe inteligență artificială se confruntă cu problema incapacității AI de a învăța, de a recunoaște automat și de a analiza corect informațiile în timp real.