Ingineria cunoașterii este un set de metode, modele și tehnici care vizează crearea de sisteme menite să găsească soluții la probleme pe baza cunoștințelor existente. De fapt, acest termen este înțeles ca metodologie, teorie și tehnologie, acoperind metode de analiză, extracție, prelucrare și prezentare a cunoștințelor.
Esența inteligenței artificiale constă în analiza științifică și automatizarea funcțiilor intelectuale inerente omului. În același timp, complexitatea implementării mașinii lor este comună pentru majoritatea problemelor. Studiul AI a făcut posibil să ne asigurăm că în spatele soluționării problemelor se află nevoia de cunoștințe de specialitate, adică crearea unui sistem care nu poate doar să memoreze, ci și să analizeze și să utilizeze cunoștințele de specialitate în viitor; poate fi folosit în scopuri practice.
Istoria termenului
Ingineria cunoștințelor și dezvoltarea sistemelor informaționale inteligente, în special a sistemelor expert, sunt strâns legate.
La Universitatea Stanford din SUA în anii 60-70, sub conducerea lui E. Feigenbaum, unSistemul DENDRAL, puțin mai târziu - MYCIN. Ambele sisteme au primit titlul de expert datorită capacității lor de a acumula în memoria computerului și de a folosi cunoștințele experților pentru a rezolva probleme. Această zonă a tehnologiei a primit termenul de „ingineria cunoașterii” din mesajul profesorului E. Feigenbaum, care a devenit creatorul sistemelor expert.
Abordări
Ingineria cunoștințelor se bazează pe două abordări: transformarea cunoștințelor și construirea de modele.
- Transformarea cunoștințelor. Procesul de schimbare a expertizei și trecerea de la cunoștințele de specialitate la implementarea software-ului. Dezvoltarea sistemelor bazate pe cunoștințe a fost construită pe baza acestuia. Format de reprezentare a cunoștințelor - reguli. Dezavantajele sunt imposibilitatea de a reprezenta într-o formă adecvată cunoștințele implicite și diferitele tipuri de cunoștințe, dificultatea de a reflecta un număr mare de reguli.
- Modele de construcție. Construirea AI este considerată un tip de simulare; construirea unui model de computer conceput pentru a rezolva probleme într-un anumit domeniu, pe bază de egalitate cu experții. Modelul nu este capabil să imite activitatea unui expert la nivel cognitiv, dar permite obținerea unui rezultat similar.
Modelele și metodele de inginerie a cunoașterii vizează dezvoltarea sistemelor informatice, al căror scop principal este obținerea cunoștințelor disponibile de la specialiști și apoi organizarea acestora pentru o utilizare cât mai eficientă.
Inteligenta artificiala, retele neuronale si invatare automata: care este diferenta?
Una dintre modalitățile de implementare a inteligenței artificiale este neuronalărețea.
Învățarea automată este o zonă de dezvoltare a AI care vizează studierea metodelor de construire a algoritmilor de auto-învățare. Necesitatea acestui lucru apare în absența unei soluții clare la o problemă specifică. Într-o astfel de situație, este mai profitabil să dezvolți un mecanism care să creeze o metodă de găsire a unei soluții, decât să o cauți.
Termenul folosit în mod obișnuit „învățare profundă” („profundă”) se referă la algoritmi de învățare automată care necesită o cantitate mare de resurse de calcul pentru a funcționa. Conceptul în cele mai multe cazuri este asociat cu rețelele neuronale.
Există două tipuri de inteligență artificială: concentrată îngust sau slabă și generală sau puternică. Acțiunea celor slabi are ca scop găsirea unei soluții la o listă restrânsă de probleme. Cei mai proeminenți reprezentanți ai inteligenței artificiale limitate sunt asistenții vocali Google Assistant, Siri și Alice. În schimb, abilitățile puternice ale AI îi permit să îndeplinească aproape orice sarcină umană. astăzi, inteligența generală artificială este considerată o utopie: implementarea ei este imposibilă.
Învățare automată
Învățarea automată se referă la metodele din domeniul inteligenței artificiale folosite pentru a crea o mașină care poate învăța din experiență. Procesul de învățare este înțeles ca procesarea unor matrice uriașe de date de către mașină și căutarea modelelor în ele.
Conceptele de învățare automată și știința datelor, în ciuda asemănării lor, sunt încă diferite și fiecare își face față propriilor sarcini. Ambele instrumente sunt incluse în artificialinteligență.
Învățarea automată, care este una dintre ramurile AI, reprezintă algoritmi pe baza cărora un computer este capabil să tragă concluzii fără a respecta regulile stabilite rigid. Aparatul caută modele în sarcini complexe cu un număr mare de parametri, găsind răspunsuri mai precise, spre deosebire de creierul uman. Rezultatul metodei este o predicție precisă.
Data science
Știința despre cum să analizezi datele și să extragi cunoștințe și informații valoroase din acestea (exploatarea datelor). Comunică cu învățarea automată și știința gândirii, cu tehnologii de interacțiune cu cantități mari de date. Activitatea științei datelor vă permite să analizați datele și să găsiți abordarea potrivită pentru sortarea, procesarea, eșantionarea și recuperarea ulterioară a informațiilor.
De exemplu, există informații despre cheltuielile financiare ale unei întreprinderi și informații despre contrapărți care sunt interconectate doar prin ora și data tranzacțiilor și date bancare intermediare. Analiza profundă a datelor intermediare vă permite să determinați cea mai costisitoare contrapartidă.
Rețele neuronale
Rețelele neuronale, nefiind un instrument separat, ci unul dintre tipurile de învățare automată, sunt capabile să simuleze activitatea creierului uman folosind neuroni artificiali. Acțiunea lor vizează rezolvarea sarcinii și auto-învățarea pe baza experienței dobândite cu minimizarea erorilor.
Obiective de învățare automată
Obiectivul principal al învățării automate este considerat a fi automatizarea parțială sau completă a căutării de soluții pentru diverse analizesarcini. Din acest motiv, învățarea automată ar trebui să ofere cele mai precise predicții pe baza datelor primite. Rezultatul învățării automate este predicția și memorarea rezultatului cu posibilitatea de reproducere și selectare ulterioară a uneia dintre cele mai bune opțiuni.
Tipuri de învățare automată
Clasificarea învățării pe baza prezenței unui profesor are loc în trei categorii:
- Cu profesorul. Folosit atunci când utilizarea cunoștințelor implică învățarea mașinii să recunoască semnale și obiecte.
- Fără profesor. Principiul de funcționare se bazează pe algoritmi care detectează asemănările și diferențele dintre obiecte, anomalii și apoi recunosc care dintre ele este considerat diferit sau neobișnuit.
- Cu întăriri. Folosit atunci când o mașină trebuie să îndeplinească sarcini corect într-un mediu cu multe soluții posibile.
În funcție de tipul de algoritmi utilizați, aceștia se împart în:
- Învățare clasică. Algoritmi de învățare dezvoltați cu mai bine de jumătate de secol în urmă pentru birourile de statistică și studiati cu atenție în timp. Folosit pentru a rezolva probleme legate de lucrul cu date.
- Învățare profundă și rețele neuronale. Abordare modernă a învățării automate. Rețelele neuronale sunt folosite atunci când sunt necesare generarea sau recunoașterea de videoclipuri și imagini, traducere automată, procese complexe de luare a deciziilor și analiză.
În ingineria cunoașterii, sunt posibile ansambluri de modele, care combină mai multe abordări diferite.
Beneficiile învățării automate
Cu o combinație competentă de diferite tipuri și algoritmi de învățare automată, este posibilă automatizarea proceselor de afaceri de rutină. Partea creativă - negocierea, încheierea contractelor, elaborarea și executarea strategiilor - este lăsată în seama oamenilor. Această împărțire este importantă, deoarece o persoană, spre deosebire de o mașină, este capabilă să gândească în afara cutiei.
Probleme la crearea AI
În contextul creării inteligenței artificiale, există două probleme în crearea inteligenței artificiale:
- Legitimitatea recunoașterii unei persoane ca conștiință auto-organizată și liber arbitru și, în consecință, pentru recunoașterea inteligenței artificiale ca fiind rezonabilă, același lucru este necesar;
- Comparația inteligenței artificiale cu mintea umană și abilitățile acesteia, care nu ține cont de caracteristicile individuale ale tuturor sistemelor și atrage după sine discriminarea acestora din cauza lipsei de sens a activităților lor.
Problemele creării inteligenței artificiale constau, printre altele, în formarea imaginilor și a memoriei figurative. Lanțurile figurative la oameni sunt formate asociativ, spre deosebire de funcționarea unei mașini; spre deosebire de mintea umană, un computer caută dosare și fișiere specifice și nu selectează lanțuri de legături asociative. Inteligența artificială în ingineria cunoașterii folosește o anumită bază de date în activitatea sa și nu poate experimenta.
A doua problemă este învățarea limbilor străine pentru mașină. Traducerea textului prin programe de traducere este adesea efectuată automat, iar rezultatul final este reprezentat de un set de cuvinte. Pentru traducerea corectănecesită înțelegerea sensului propoziției, ceea ce este dificil de implementat de AI.
Lipsa de manifestare a voinței inteligenței artificiale este considerată și ea o problemă în drumul spre crearea acesteia. Mai simplu spus, computerul nu are dorințe personale, spre deosebire de puterea și capacitatea de a efectua calcule complexe.
Sistemele moderne de inteligență artificială nu au stimulente pentru existența și îmbunătățirea ulterioară. Majoritatea IA sunt motivate doar de o sarcină umană și de nevoia de a o îndeplini. În teorie, acest lucru poate fi influențat prin crearea unui feedback între un computer și o persoană și prin îmbunătățirea sistemului de auto-învățare al computerului.
Primitivitatea rețelelor neuronale create artificial. Astăzi, au avantaje identice cu creierul uman: învață pe baza experienței personale, sunt capabili să tragă concluzii și să extragă principalul lucru din informațiile primite. În același timp, sistemele inteligente nu sunt capabile să dubleze toate funcțiile creierului uman. Inteligența inerentă rețelelor neuronale moderne nu depășește inteligența unui animal.
Eficacitatea minimă a IA în scopuri militare. Creatorii roboților bazați pe inteligență artificială se confruntă cu problema incapacității AI de a auto-învăța, de a recunoaște automat și de a analiza corect informațiile primite în timp real.
