ИС работа. 1 уровень ИС. 1й уровень сложности
 Скачать 52.28 Kb.
|
|
1-й уровень сложности Расскажите об этапах развития искусственного интеллекта (ИИ). Какие цели и задачи ставит перед собой слабый и сильный ИИ. Жасанды интеллект жүйелерінің даму тарихы 50-жылдардың ортасынан басталады және компьютерлік техниканың даму деңгейімен байланысты. Шартты түрде біз жасанды интеллект дамуының 7 кезеңін ажыратуға болады, олардың әрқайсысы жасанды интеллекттің белгілі бір даму деңгейімен және белгілі бір жүйеде жүзеге асырылған парадигмамен байланысты. Парадигма - бұл жасанды интеллект жүйелерінің жұмысын математикалық сипаттаудың жаңа идеясы. 1 кезең (50-жылдар) (нейрондық және нейрондық желілер) Бұл бірінші кезектегі машиналардың пайда болуымен байланысты, бүгінгі стандарттар бойынша, жады үшін ресурстардың мүмкіндіктері, жылдамдығы және шешілетін мәселелер кластары. Бұл таза есептеу сипатындағы міндеттер болды, ол үшін шешім схемалары белгілі болды және оларды кейбір ресми тілдерде сипаттауға болады. Бейімделу тапсырмалары бір сыныпқа жатады. 2 кезең (60-жылдар) (Эвристикалық іздеу) Іздеу, сұрыптау, өңделетін мәліметтер мағынасына тәуелді емес ақпаратты жалпылауға арналған қарапайым операциялар механизмдері машинаның «интеллектісіне» қосылды. Бұл адам іс-әрекетін автоматтандыру міндеттерін дамытуда және түсінуде жаңа бастама болды. 3 кезең (70-жылдар) (білімді ұсыну) Ғалымдар есептерді шешудің қызықты алгоритмдерін синтездеу үшін білімнің (көлем мен мазмұн бойынша) маңыздылығын түсінді. Бұл дегеніміз, математика қалай жұмыс істейтінін білмейтін білім, яғни қатаң формальды емес және әдетте декларативті түрде сипатталатын эксперименттік білім. Бұл әр түрлі қызмет салаларының мамандары, дәрігерлер, химиктер, зерттеушілер және т.б. Мұндай білім сараптамалық білім деп аталды, сәйкесінше сараптамалық білім негізінде жұмыс істейтін жүйелер жүйелік кеңес берушілер немесе сараптамалық жүйелер деп атала бастады. 4 кезең (80-жылдар) (оқу машиналары) Жасанды интеллект дамуының төртінші кезеңі үлкен серпіліс болды. Әлемде эксперттік жүйелердің пайда болуымен интеллектуалды технологиялардың дамуындағы принципті жаңа кезең басталды - интеллектуалды жүйелер дәуірі - шешімдер ұсынған, оларды негіздеген, үйренуге және дамытуға қабілетті, таныс, шектеулі болса да, табиғи тілде адаммен сөйлесетін кеңесшілер дәуірі. 5 кезең (90-шы жылдар) (автоматтандырылған өңдеу орталықтары) Байланыс жүйелері мен шешілетін міндеттердің күрделене түсуі рұқсат етілмеген қол жетімділіктен қорғану, ресурстардың ақпараттық қауіпсіздігі, шабуылдардан қорғану, желілердегі ақпаратты семантикалық талдау және іздеу сияқты бағдарламалық қамтамасыз ету жүйелерінің сапалық жаңа «ақылдылығын» талап етті. Интеллектуалды жүйелер барлық типтегі жетілдірілген қорғаныс жүйелерін құрудың жаңа парадигмасы болды. Бұл сізге барлық қажетті міндеттер шешілетін икемді ортаны құруға мүмкіндік береді. 6 кезең (2000 жж.) (Робототехника) Роботтарды қолдану саласы айтарлықтай кең және автономды шөп шабатын машиналар мен шаңсорғыштардан бастап әскери және ғарыштық техниканың заманауи үлгілеріне дейін созылады. Модельдер навигациялық жүйемен және барлық перифериялық датчиктермен жабдықталған. 7 кезең (2008 жыл) (Сингулярлық) Жасанды интеллект пен өзін-өзі көбейтетін машиналарды құру, адамдардың компьютерлермен интеграциясы немесе биотехнологияның арқасында адам миының мүмкіндіктерінің айтарлықтай секіруі. Кейбір болжамдар бойынша, технологиялық сингулярлық 2030 жылдың шамасында болуы мүмкін. Технологиялық сингулярлық теориясының жақтаушылары егер адамның ақылынан (адамнан кейінгі) түбегейлі өзгеше ақыл пайда болса, өркениеттің одан әрі тағдырын адамның (әлеуметтік) мінез-құлқына сүйене отырып болжау мүмкін емес деп санайды. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Жасанды интеллекті күшті және әлсіз деп бөлуге болады. Әлсіздер көрген фотосуреттеріне анализ жасай отырып немесе дыбыстық дауысты мәтінге аудара отырып, өзіне жүктелген ақпараттық міндеттерді шеше алады. Күшті жасанды интеллект ДК-ге тек алынған ақпаратты имитациялауға ғана емес, не болып жатқанының мәнін азды-көпті түсінуге мүмкіндік береді. Әлсіз жасанды интеллект тек өзгермеген ережелерге сүйене отырып мәтінді аудару барысында бір сөзді екінші сөзбен алмастыра алады. Күшті жасанды интеллект аударылған сөз тіркестерінің мағынасын түсіне алады. Күшті және әлсіз жасанды интеллект - бұл жасанды интеллект философиясындағы гипотеза, оған сәйкес жасанды интеллекттің кейбір түрлері проблемаларды шынымен дәлелдеп, шеше алады. Күшті жасанды интеллект теориясы компьютерлер ойлау қабілетін және өздері туралы хабардар бола алады, дегенмен олардың ойлау процесі адам сияқты болмайды. Әлсіз жасанды интеллект теориясы бұл мүмкіндікті жоққа шығарады. «Күшті жасанды интеллект» терминін 1980 жылы Джон Сирл («Қытай бөлмесі» ой экспериментін сипаттайтын жұмыста) енгізді, ол алдымен оны келесідей сипаттады: Қажетті кірістері мен нәтижелері бар дұрыс бағдарламаланған компьютер адамның ақыл-ойы болатын мағынада ақыл болады. Күшті АИ құруға қойылатын талаптар Интеллекттің көптеген анықтамалары ұсынылды (мысалы, Тьюринг тестінен өту мүмкіндігі), бірақ қазіргі уақытта бәрін қанағаттандыратын анықтама жоқ. Алайда, жасанды интеллект зерттеушілерінің арасында Күшті жасанды интеллекттің келесі қасиеттерге ие екендігі туралы ортақ пікір бар: Шешімдер қабылдау, стратегияларды қолдану, басқатырғыштарды шешу және белгісіздік жағдайында әрекет ету; Білімді ұсыну, оның ішінде шындық туралы жалпы түсінік; Жоспарлау; Оқыту; Табиғи тілдік қатынас; Ортақ мақсаттарға жету үшін осы қабілеттердің жиынтығы. Осы қабілеттердің барлығына ие машиналар жасау бойынша жұмыс жүргізілуде, ал күшті AI олардың барлығына немесе олардың көпшілігіне ие болады деп күтілуде. Адам интеллектісінің басқа аспектілері бар, олар күшті жасанды интеллекттің негізін қалайды: Сана: қоршаған ортаны қабылдаңыз; Өзін-өзі тану: өзін жеке тұлға ретінде білу, атап айтқанда, өз ойын түсіну; Эмпатия: «сезіну» қабілеті; Даналық. Бұл қасиеттердің ешқайсысы күшті АИ жасау үшін қажет емес. Мысалы, машинаның қоршаған ортаны адам сияқты қабылдауы қажет пе екені белгісіз. Бұл дағдылар интеллект жасау үшін жеткілікті ме, жоқ па, ол да белгісіз: егер машина ми сияқты жүйке құрылымын имитациялай алатын құрылғы арқылы жасалса, ол білім туралы түсінік қалыптастыра ала ма немесе адам сөйлеуін қолдана ала ма. Осы қабілеттердің кейбіреулері, мысалы, эмпатия, егер олар нақты интеллектке жетсе, машинада пайда болуы мүмкін. Какие направления развития ИИ вы знаете? Какие люди считаются основоположниками развития ИИ? Жасанды интеллект технологиялары мен техникасындағы бірегей бағыттарды анықтау өте қиын мәселе, сондықтан да кестеде көрсетілген стандартты тәсілді көрсетеді. Сол жақта зерттеушілер арасында кездесетін проблемалар, оң жақта - оларды шешудің жолдары, ал тізімнің өзі ИИ ерекшеліктерін түсіну үшін жақсы бастама болып табылады.
Құрылтайшылар(Основоположники): Көптеген жасаушылар жасанды интеллекттің дамуына үлес қосқанымен, біз осы бағыттың ізашарлары мен олардың жетістіктері туралы сөйлесуге тырысамыз. Алан Тьюринг Ағылшын математигі Алан Тьюринг бірінші болып адамзат шешетін барлық мәселелерді алгоритмдер жиынтығына келтіруге болады деген идеяны алға тартты. Бұл тағы бір идеяның пайда болуына мүмкіндік берді - ойдың өзі алгоритмге дейін азайтылуы мүмкін, сондықтан машиналар адамдардың ойлауы мен, мүмкін, тіпті санасына еліктей алады. Осы тұжырымға келе отырып, Алан Тьюринг кез-келгенінің жұмысын модельдей алатын Тьюринг машинасы» оқу жүйесін құрды компьютерлік жүйе. Кейінірек зерттеуші машинаның ақылдылығын тануға арналған арнайы тест ұсынды. Джон МакКарти Джон Маккарти Стэнфорд университетінде жұмысын жалғастырады. Ол MIT жанындағы жасанды интеллект зертханасының негізін қалаушылардың бірі болды, Стэнфордта жасанды интеллект зертханасын құрды, сонымен қатар 1956 жылы бірінші рет жасанды интеллект конференциясын ұйымдастырды (Дормут конференциясы). Оның зерттеулері жетекшілік етті бүгінде жасанды интеллектуалды бағдарламалық жасақтама жасау үшін негізгі тіл болып саналатын LISP тілін құруға. Джон Маккартидің алғашқы жаңалықтары компьютерлік бағдарламалардың дұрыстығын математикалық түрде әлелдей алатын компьютерлік жүйелер болды. Марвин Мински Марвин Минский көптеген басқа салалардағы сияқты жасанды интеллекттің ең сәтті дамытушыларының бірі болды. Ол қазір MIT профессоры, 1958 жылы Джон Маккартимен бірге жасанды интеллект зертханасын құрды. Марвин Минский әр түрлі тақырыптағы, соның ішінде нейрондық тақырыптағы жұмыстардың авторы желілер, білімді ұсыну және таным психологиясы. Ол таным, тілді қабылдау және көрнекі алдын-ала сезіну құбылыстарын имитациялайтын рамалық тұжырымдама жасады. Профессор Минский сонымен қатар нейрондық желілерге негізделген алғашқы компьютерді жасады. Артур Самуэль Артур Сэмюэль (1901-1990) машиналық оқыту және жасанды интеллект саласында алғашқылардың бірі болды. Оның мансабы ұзақ және қызықты болды. Мұғалім және инженер, ол әртүрлі салалардағы жетістіктерімен танымал. Сэмюэль 1957 жылы жасалған дойбы бағдарламасының авторы ретінде танымал. Бұл күрделі ойын ойнаған ақылды бағдарламаның алғашқы мысалдарының бірі болды. Бағдарлама тек Самуэльдің өзін ғана емес, сонымен қатар ұлттық чемпионаттың төртінші жүлдегерін (АҚШ) жеңе алды. Самуилдің оқыту машиналарында жасаған жұмысы қазіргі кезде де өзектілігін жоғалтқан жоқ. Расскажите о биологической мотивации алгоритма адаптивного резонанса. Для каких задачах ИИ применяется данный алгоритм? Кластерлеу алгоритмдерінің биологиялық шығу тегі бар, өйткені олар жіктеу арқылы оқуға мүмкіндік береді. Адамның миы жаңа түсініктерді бар біліммен салыстыру арқылы үйренеді. Біз жаңаны жіктейміз, оны бір кластерге өзіміз білетін нәрсемен біріктіруге тырысамыз (бұл жаңаны түсінуге негіз болады). Егер жаңа тұжырымдаманы бұрыннан білетін нәрсемен байланыстыру мүмкін болмаса, бар құрылымнан асып түсетін құбылысты түсіну үшін жаңа құрылым құруымыз керек. Кейіннен бұл жаңа модель басқа ақпаратты игеруге негіз бола алады. Жаңа тұжырымдамаларды қолданыстағы біліммен кластерлерге біріктіру, сондай-ақ мүлдем жаңа ақпаратты сіңіру үшін жаңа кластерлер құру арқылы біз Гроссберг «тұрақтылық / икемділік дилеммасы» деп атаған мәселені шешеміз. Мәселе жаңа мәліметтерді бұрыннан үйренгенді жоймай қалай жіктеуге болады. ART1 алгоритміне жаңа ақпарат табылған кезде жаңа кластерлер құруға ғана емес, оның негізінде бар кластерлерді қайта құруға мүмкіндік беретін барлық қажетті элементтер кіреді. ART1 алгоритмі Feature векторлары деп аталатын объектілермен жұмыс істейді. Мүмкіндік векторы дегеніміз - белгілі бір түрдегі ақпаратты көрсететін екілік мәндер тобы. Мүмкіндік векторының мысалы ретінде сатып алуларды таңдау болып табылады. Әрбір векторлық объект клиенттің өнімді сатып алған-сатып алмағанын көрсетеді (егер иә болса, онда мәні 1, егер жоқ болса, 0). Сатып алушы күріш, балға мен кілт сатып алды. Бұл ерекшелік векторы сатып алушы сатып алған заттарды сәйкестендіру арқылы сатып алу қабілеттілігін сипаттайды (ол туралы бізде ақпарат бар). Тұтынушыларға арналған векторлар жинақталып, содан кейін деректерді кластерге бөлу үшін ART1 алгоритміне қолданылады. Ұқсас тұтынушылар туралы мәліметтер тобы (кластерде қамтылған) клиенттер тобы үшін ұқсас параметрлер туралы қызықты ақпаратты жеткізеді. Қорытындылай кететін болсақ адаптивті резонанс теориясы немесе ART - бұл мидың өзгермелі әлемдегі заттар мен оқиғаларды жіктеуді, тануды және болжауды тез үйренетіндігі туралы танымдық және жүйке теориясы, сонымен қатар ART принциптерін есептейтін алгоритмдер жиынтығы және кең ауқымды инженерлік-технологиялық күрделі өзгеретін орта туралы жылдам, тұрақты және біртіндеп оқытуды қажет ететін қосымшалар. ART саналы тәжірибелер туындайтын ми процестерін нақтылайды. Ол сана, оқу, күту, зейін, резонанс және синхрондылық (CLEARS) процестерінің арасындағы функционалдық байланысты, оның ішінде «барлық саналы күйлер - резонанстық күйлер» деген болжамды болжайды. Бұл байланыс ми динамикасы жеке тұлғаның нақты уақыт режимінде жылдам өзгеретін әлемге автономды түрде бейімделуіне қалай мүмкіндік беретіндігін түсіндіреді. ART зейіннің жоғарыдан төменге қарай қалай жұмыс жасайтынын болжайды және тану категорияларын тез және тұрақты үйренуді реттейді. ART1 алгоритмі деректерді бөлек сегменттерге (кластерлерге) жіктеу мүмкіндігін ұсынады. Жіктеу кластерлердің кчластарын (түрлерін) зерттеу құралы ретінде пайдалы болуы мүмкін. Сонымен қатар, жекелендіру алгоритмінен көрініп тұрғандай, белгілі бір кластер мүшелерін зерттеу қызықты ақпарат береді. Бұл алгоритмді келесі салаларда қолдануға болады: статистика; үлгіні тану; іздеу ауқымын қысқарту; биология; Интернеттен іздеу; деректерді өндіру. Расскажите об алгоритме муравья и задачах ИИ, в которых может применяться этот алгоритм. Құмырсқалар соқыр болса да, қиын жерлерді бағдарлай алады, ұядан қашықтықта тамақ тауып, үйге сәтті оралады. Қозғалған кезде ферменттерді босату арқылы құмырсқалар қоршаған ортаны өзгертеді, байланыс орнатады және ұяға қайта оралады. Бұл процестің ең таңқаларлық жағы - құмырсқалар құмырсқа илеуі мен сыртқы нүктелер арасындағы оңтайлы жолды таба алады. Құмырсқалар бірдей жолды неғұрлым көп қолданса, соғұрлым ферменттердің жол бойындағы концентрациясы жоғарылайды. Сыртқы нүктесі құмырсқалар ұясына жақын болған сайын, құмырсқалар оған соғұрлым көбірек қозғалған. Алысырақ нүктеге келетін болсақ, құмырсқалар оған аз жетеді, сондықтан олар оған барар жолда мықты ферменттер пайдаланады. Жол бойындағы ферменттердің концентрациясы неғұрлым жоғары болса, қол жетімді басқалармен салыстырғанда құмырсқалар үшін соғұрлым қолайлы. Сондықтан құмырсқа «логикасы» соңғы нүктелер арасында қысқа жол таңдауға мүмкіндік береді. Құмырсқалар алгоритмдері қызықты, өйткені олар бірқатар ерекшеліктерді көрсетеді құмырсқалардың өзіне тән қасиеттері. Құмырсқалар оңай жұмыс істейді және ортақ мақсат жолында бірге жұмыс істейді. Құмырсқалар алгоритмдері құмырсқалар сияқты жұмыс істейді. Бұл модельденген құмырсқалардың бірлесіп мәселені шешіп, болашақта басқа құмырсқаларға көмектесуінен көрінеді шешімдерді оңтайландыру. Алгоритм: Граф. Құмырсқаларға арналған орта тұйықталған екі өлшемді желі делік. Еске сала кетейік, тор - бұл беттер арқылы байланысқан түйіндер тобы. Әрбір тұлғаның салмағы бар, оны біз онымен байланысты екі түйін арасындағы қашықтық деп атаймыз. Бастапқы популяция. Құрылғаннан кейін, құмырсқалар популяциясы желі түйіндері бойынша біркелкі бөлінеді. Барлық түйіндердің бастапқы нүкте болу мүмкіндігі бірдей болу үшін түйіндер арасында құмырсқаларды тең бөлу қажет. Егер барлық құмырсқалар бір нүктеден қозғала бастаса, бұл нүкте бастау үшін оңтайлы дегенді білдіреді, бірақ іс жүзінде біз мұны білмейміз. Құмырсқаның қозғалысы.Құмырсқаның қозғалысы бір және өте қарапайым ықтималдық теңдеуге негізделген: Құмырсқа әлі келмеген түйіндерге барады (тыйым салынған тізіммен көрсетілген). Сондықтан, ықтималдық тек түйіндерге әкелмейтін беттер үшін есептеледі. Құмырсқаның саяхаты. Құмырсқа сызбадағы барлық түйіндерді аралап шыққан кезде құмырсқаның жүріп өткен жолы көрсетіледі. Ілмектерге тыйым салынғанын ескеріңіз, өйткені тыйым салынған тізім алгоритмге енгізілген. Аяқтағаннан кейін, жолдың ұзындығын есептеуге болады - бұл құмырсқа жүріп өткен барлық беттердің қосындысына тең. Ферменттердің булануы. Жолдың басында әр қырды таңдауға мүмкіндік бар. Желінің ең нашар жолдарына түсетін шеттерді біртіндеп жою үшін барлық шеттерге Феромон булану процедурасы қолданылады. Қайтадан қосу. Құмырсқаның жолы аяқталғаннан кейін беттер жолдың ұзындығына сәйкес жаңартылады және барлық беттерде фермент буланған, алгоритм қайта басталады. Табу тізімі тазаланып, жол ұзындығы тазартылады. Құмырсқалардың торда жүруіне рұқсат етілген. Бұл процесті жолдардың тұрақты санына немесе бірнеше жүгіру кезінде қайталанулар болмаған кезге дейін жүргізуге болады. Содан кейін ең жақсы жол анықталады, бұл шешім. Құмырсқа алгоритмін ресурстарды бөлу және жұмыс бөлу сияқты көптеген тапсырмаларға қолдануға болады. Ресурстарды бөлу мәселесін шешкен кезде бірқатар алушылар үшін n ресурстық топты орнату керек және сонымен бірге қайта бөлу құнын барынша азайту керек (яғни функция ресурстарды бөлудің ең жақсы әдісін табуы керек). Құмырсқа алгоритмі басқа, стандартты әдістермен бірдей сападағы шешімдер беретіні анықталды. Бұл мәселеде M машиналар тобы және J жұмыс орындары (машиналарда орындалатын әрекеттер тізбегінен тұратын) барлық жұмыс орындары қысқа мерзімде аяқталатындай етіп бөлінуі керек. Құмырсқа алгоритмімен табылған шешімдер оңтайлы болмаса да, алгоритмді осы мәселеге қолдану оның ұқсас мәселелерді шеше алатынын көрсетеді. Құмырсқалар алгоритмі автомобильдерді маршруттау, графиктер үшін түстерді есептеу және желілерді маршруттау сияқты басқа тапсырмалар үшін қолданылады. Расскажите о постановке задач ИИ, в которых применяются генетические алгоритмы. В чем заключается суть таких алгоритмов? Генетикалық алгоритм - бұл табиғи эволюция құбылысын имитациялайтын оңтайландыру әдісі (алғаш рет Чарльз Дарвин ашқан). Табиғи эволюция кезінде қоршаған ортаның қиын жағдайларына бейімделген тұлғалар тірі қалады және көптеген ұрпақ береді. Бейімделу дәрежесі, өз кезегінде, белгілі бір индивидтің ата-анасынан алынған хромосомалар жиынтығына байланысты. Бұл жарамдылардың тірі қалуының негізі - тіршілік ету процесі ғана емес, сонымен бірге келесі ұрпақты қалыптастыруға қатысу. Табиғатта тіршілік ету анықтаушы және негізгі функция болып табылады. Генетикалық алгоритмдер келесі мәселелерді шешу үшін қолданылады: Функцияларды оңтайландыру (оптимизация функции) Мәліметтер қорының сұрауларын оңтайландыру (Оптимизация запросов в базах данных) Графтардың әр түрлі мәселелері Жасанды нейрондық желісін құру және оқыту Орналастыру тапсырмалары (Задачи компоновки) Жоспарлау Ойын стратегиялары Жақындау теориясы (Теория приближений) Жасанды өмір Биоинформатика Генетикалық алгоритмді оқыту процесінің кезеңдері: Б  астапқы жиынтықты құру алгоритм жұмысының бастапқы нүктесін ұсынады. Әдетте бұл хромосомаларды кездейсоқ құру арқылы жасалады, бірақ популяцияға «сау» хромосомаларды қосуға да рұқсат етіледі. Бағалау кезеңі әрбір хромосоманың берілген есепті қаншалықты шығара алатынын анықтауға мүмкіндік береді. Алгоритм хромосоманы мәселеге қатысты декодтайды және жаңа параметрлердің көмегімен есепті шешу нәтижесін тексереді. Содан кейін нәтижеге сүйене отырып, хромосоманың «денсаулығы» есептеледі. Бұл процесс екі жақты, өйткені тек өте сау хромосомалар іріктеуге кіретін болса, әртүрліліктің жеткіліксіздігіне байланысты шешім тым шектеулі болады. Егер таңдау ерікті түрде жасалса, онда болашақ ұрпақтың денсаулығы жақсаратынына кепілдік жоқ. Нәтижесінде рекомбинацияға (немесе қиылысуға) қатысатын хромосомалар тобы таңдалады. Рекомбинация кезінде хромосомалардың бөліктері қозғалады, мүмкін тіпті өзгереді, нәтижесінде пайда болған жаңа хромосомалар популяцияға оралып, келесі ұрпақты қалыптастырады. Хромосомалардың бірінші тобын әдетте ата-аналар, ал екіншілерін балалар деп атайды. Бір немесе бірнеше генетикалық операторларды бірдей ықтималдықпен пайдалануға болады. Қол жетімді операторларға мутация және кросс-селекция жатады, олар бірдей аттас генетикалық процестерге ұқсас. Генетикалық алгоритмнің артықшылықтары: іске асыруда қарапайым және ашық, өзгеретін ортасы бар тапсырмаларда қолдануға болады, оларды кең ауқымды тапсырмалар үшін пайдалануға болады, олар ауқымды оңтайландыру мәселелерін шешуде жақсы жұмыс істейді, олар жауап бойынша ешқандай ақпаратты қажет етпейді. Генетикалық алгоритмнің кемшіліктері: локальдық оптимумды дәл табу қажет болған жағдайда, бағалау әдісінің орындалу уақыты ұзақ, мәселенің шешілуінің біреуін емес, барлығын табу керек, конфигурациялау оңай емес (шешімді кодтау).Расскажите о системах, основанных на правилах. В каких случаях применяется такая система? Ережеге негізделген жүйе жеке элементтер тобынан тұрады. Жұмыс жадында сақталған фактілерді басқаратын бірқатар ережелер бар. Логика қолданылатын ережені анықтау үшін қолданылады. Ереже қолданылғаннан кейін, жұмыс жады өзгереді (салдары негізінде). Ережелер жұмыс жадында сақталатын фактілерді басқарады. Ереже сәйкес болғаннан кейін, ол күшіне енеді; жұмыс жадын өзгертуге болады немесе ол өзгеріссіз қалуы мүмкін. Процесс белгілі бір мақсатқа жеткенге дейін жалғасады. Ережеге негізделген жүйенің фазалары: Сәйкестендіру кезеңі - сәйкестендіру кезеңінде әр ереже оның алғышарттар жиынтығында мен жұмыс жадындағы фактілер арасындағы сәйкестікке қарсы тексеріледі. Егер сәйкестік табылса, ереже келіспеушіліктер жиынтығына қосылады. Алғышарттар табылмаған ережелер еленбейді. Барлық ережелер тексеріліп болғаннан кейін, келесі кезеңде, келіспеушіліктерді шешу кезеңінде қарастырылады. Келіспеушіліктерді шешу кезеңінің міндеті - орындалатын қайшылықтар жиынтығынан ереже таңдау. Егер жиынтықта бір ғана ереже болса, онда процесс өте қарапайым. Егер жиынтықта бірнеше ережелер болса, ережені таңдау критерийлерін көрсетілуі керек. Мұндай критерий күрделі болуы мүмкін. Ережені таңдап, бағдарлама әрекет ету кезеңіне өтеді. Іс әрекет кезеңі таңдалған ереженің салдарын жүзеге асырады. Оларға жұмыс жадына фактілерді қосу, оларды жұмыс жадынан шығару немесе басқа да әрекеттер кіруі мүмкін. Мысалы, егер ережеге негізделген жүйе құрылғыға қосылған болса, әрекеттер механизмді басқара алады (мысалы, робот қолын жылжыту немесе қосқышты басқару). Ережеге негізделген жүйелер көбінесе сараптамалық жүйелер ретінде қолданылады. Бұл жүйелер бағдарламалау тілінің көмегімен проблема туралы білімді кодтаған кезде қарапайым бағдарламалау мәселелерін шешуге де қолданыла алады. Сонымен қатар, бұл алгоритм қателіктерге төзімді басқару жүйелерін құруға мүмкіндік береді. Тәсілдер арасындағы басты айырмашылықтардың бірі - стандартты бағдарламалау кезінде біз белгілі ақпараттарды қолданыстағы конструкцияларды қолдана отырып кодтаймыз. Ережеге негізделген жүйелер білімді алғышарттар мен салдарды анықтайтын ережелер түрінде қалыптастыруды талап етеді. Кейбір жағдайларда бұл ақпараттың қарапайым және қабылдау оңай болатындығына әкеледі. Бұл жүйелердің ең үлкен кемшілігі - жұмыс жадында ережелер мен фактілердің сәйкестігін табу көп уақытты қажет етеді. Ережелер мен фактілер арасында сөзсіз сәйкестік ғана емес, сонымен қатар толық емес сәйкестіктерге негізделген нұсқалар бар. Сондықтан жұмыс істейтін жадыдағы ережелер мен фактілер арасындағы абсолютті сәйкестікті іздеудің орнына, әр ережеге сәйкес қайталанулар сериясын орындау керек болады. Егер сәйкестік табылмаса, іздеу келесі ереже бойынша жалғасады. Расскажите о задачах ИИ, основанное популярности в соцсетях, и какими методами решаются такие задачи. Жасанды интеллект( AI), Машиналық оқыту және нейрондық желілер — нақты әлемдегі көптеген мәселелерді шеше алатын машиналық оқытуға негізделген қуатты технологияларды сипаттау үшін қолданылатын терминдер. Ойлау, шешім қабылдау және т.б. машиналардағы адам миының қабілеттерімен салыстырғанда идеалдан алыс (олар, әрине, адамдар үшін де идеалды емес), жақында AI технологиялары мен байланысты Алгоритмдер саласында бірнеше маңызды жаңалықтар ашылды. АИ-ді оқыту үшін қол жетімді әр түрлі деректердің үлкен үлгілерінің көбеюі маңызды рөл атқарады. AI саласы математика, статистика, Ықтималдық теориясы, физика, сигналдарды өңдеу, Машиналық оқыту, компьютерлік көру, психология, лингвистика және ми ғылымы сияқты көптеген басқа салалармен қиылысады. Әлеуметтік жауапкершілік пен АИ құру этикасына байланысты мәселелер философиямен айналысатын адамдарды қызықтырады. AI технологияларын дамытудың мотивациясы көптеген ауыспалы факторларға байланысты мәселелерді түсіну қиын және қолмен Алгоритмдеу қиын болатын өте күрделі шешімдерді қажет етеді. Корпорациялардың, зерттеушілердің және қарапайым адамдардың нақты алгоритмдерді сипаттауды қажет етпейтін мәселелерді шешу үшін машиналық оқытуға деген үміттері артып келеді. "Қара жәшік" тәсіліне көп көңіл бөлінеді. Деректердің үлкен көлеміне байланысты мәселелерді модельдеу және шешу үшін қолданылатын алгоритмдерді бағдарламалау әзірлеушілерге көп уақытты қажет етеді. Біз көптеген деректерді өңдейтін кодты жаза алсақ та, ол көбінесе өте қиын, қолдау қиын және қиын сынақтан өтеді (тіпті тестілеу үшін де көптеген деректерді пайдалану қажеттілігіне байланысты). Машиналарды оқытудың заманауи технологиялары және AI жүйелері үшін дұрыс таңдалған және дайындалған "жаттығу" деректерімен бірге компьютерлерді біз үшін "бағдарламалауды" үйретуге мүмкіндік береді. Интернетте AI мысалдарын іздеп көріңіз-және сіз IBM Watson-ға кем дегенде бір сілтеме аласыз, ол машинаны оқыту алгоритмін қолдана отырып, 2011 жылы "Jeopardy" деп аталатын телевикторинді жеңгеннен кейін танымал болды. Apple, Amazon және Google үйлеріміз бен қалталарымызда ұқсас жүйелерді құруда белсенді жұмыс істейді. Табиғи тілдерді өңдеу және сөйлеуді тану машиналық оқытуды коммерциялық қолданудың алғашқы мысалдары болды. Олардың артынан тануды автоматтандырудың басқа міндеттері пайда болды (Мәтін, аудио, суреттер, бейнелер, беттер және т.б.). Бұл технологиялардың қолданылу аясы үнемі өсіп келеді және ұшқышсыз көліктер, медициналық диагностика, компьютерлік ойындар, іздеу қозғалтқыштары, спам сүзгілері, қылмыспен күрес, маркетинг, роботты басқару, компьютерлік көру, тасымалдау, музыканы тану және басқаларын қамтиды. AI біз қолданатын заманауи технологияларға соншалықты тығыз кірді, сондықтан көптеген адамдар бұл туралы "AI" деп ойламайды, яғни оны қарапайым компьютерлік технологиялардан ажыратпайды. Кез-келген жолаушыдан смартфонында жасанды интеллект бар ма деп сұраңыз, ол "жоқ"деп жауап беруі мүмкін. Бірақ AI алгоритмдері барлық жерде: енгізілген мәтінді болжаудан бастап, камераның Автоматты фокусына дейін. Көптеген адамдар болашақта АИ пайда болуы керек деп санайды. Бірақ ол біраз уақыт бұрын пайда болды және қазірдің өзінде осында. "AI" термині өте жалпыланған. Қазір көптеген зерттеулердің назарында нейрондық желілер мен терең оқытудың тар өрісі бар. Расскажите о постановке задач создания чат-ботов. Для решения каких задач предназначены чат-боты? Чат-бот-бұл әртүрлі ресурстарда пайдаланушылармен жұмыс істей алатын жаңа технология. Бұл виртуалды көмекші, кеңесші және әңгімелесуші, ол келушілердің барлық сұрақтарына бірден жауап таба алады, ұсыныстар бере алады, тапсырыс бере алады және көптеген басқа тапсырмаларды орындай алады. Соңғы жылдары бұл сала едәуір дамыды және жақсарды, өйткені Machine Learning технологиясы мен мәтіннің семантикалық маңызды элементтерін тану алгоритмдерінің белсенді дамуы табиғи тілді және мәтінді жүйелеу алгоритмін тез игерілетін аймаққа айналдырды. Виртуалды көмекші кіретін ақпараттың үлкен көлемін өңдеп, бірнеше ондаған және жүздеген атауларды анықтап, жүйелеуі, сыртқы бағдарламалармен интеграциялануы қажет болған жағдайларда, адам әлі де көп күш пен уақытты пайдаланады. Алайда, чатботты орнату алгоритмі салыстырмалы түрде қарапайым болды,ал олардың тиімділігі әлдеқайда жоғары. Natural Language Understanding (НЛУ) қарқынды дамуы мен пайдаланылуы осы технологиялардың, сондай-ақ әлеуметтік желілер мен мессенджерлердің өсіп келе жатқан танымалдығының, адам сөзін тану технологияларындағы прогрестің арқасында мүмкін болды. Чат-боттардың міндеттері: Энергия мен уақытты азайту. Орнатылған бағдарламаның арқасында клиенттердің негізгі сұрақтарына жауап беретін менеджерлердің санын едәуір азайтуға болады. Енді чат-бот қызметкерлердің уақытын үнемдей отырып, көптеген мәселелерді шеше алады. Егер көмекші дұрыс орнатылса, компания чатботқа анықтамалық ақпарат үшін толық жауап беруге мүмкіндік беру арқылы техникалық қолдау бөлімін қайта құра алады. Жұмыс процесін оңтайландыру. Чат-бот жиі қойылатын сұрақтарға жауап береді. Менеджерлердің міндетіне тек адамның араласуын қажет ететін күрделі жағдайларды шешу кіреді. Қызметкерлер маңызды мәселелерге көбірек уақыт бөле бастайды. Тәулік бойы сұрақтарға жауаптар. Чатбот ұйқы мен демалуды қажет етпейді. Егер Сіздің бизнесіңіз 24 сағат бойы клиенттерге қолдау көрсетсе, виртуалды көмекші тапсырманы өте жақсы орындайды. Сату санын көбейту. Чат-боттарды жетілдіру көптеген бизнеске клиентпен диалог жүйесіне таңдалған өнімді жылдам және қауіпсіз төлеу мүмкіндігін енгізуге мүмкіндік берді. Осылайша, пайдаланушы компаниямен алғашқы байланысқаннан кейін бірден өнімді немесе қызметтерді сатып алуға көбірек бейім. Адам факторына байланысты қатенің болмауы. Бот эмоциялардан, жаман көңіл-күйден немесе қиын клиенттермен қарым-қатынаста тәжірибесі жоқ. Чат бот әрқашан сұрақтарға сыпайы жауап береді, дұрыс өрнектерді таңдайды. Сонымен қатар, қазіргі заманғы виртуалды көмекшілер клиенттермен қарым-қатынас процесін өз бетінше жақсартуға арналған ақылға ие. Жеке сатып алушымен байланыс кезінде жекелендіру мүмкіндігі. Клиенттер неғұрлым қатал бола бастайды, демек, бизнестің мүддесі үшін ең жақсы қызмет көрсету. Чатботтар лидерлердің қалауы мен тілектерін талдай алады, осылайша әңгімені дұрыс бағытқа аударады, клиентке пайдалы ақпарат береді. Талдау, есеп беру, жүйелеу. Чатбот орындалған жұмыстың көрсеткіштерін сақтайды, сондықтан қажет болған жағдайда маңызды аналитикалық деректерді оңай алуға болады. Ол сонымен қатар процестерді автоматты түрде жіктейді және жүйелейді. Чат-боттардың көмегімен шешуге болатын міндеттер Интернет-байланыстар мен бизнес-процестердің айтарлықтай өсуімен көптеген кәсіпкерлер клиенттер саны мен сату көлемін ұлғайтудың заманауи және тиімді тәсілдеріне қызығушылық таныта бастады. Осындай құралдардың бірі Сайтта және танымал мессенджерлерде (Telegram, VK, FB және т.б.) пайдаланушыларға ыңғайлы болу үшін орнатылған чат-боттар болды. Енді келушілермен байланыс процесі оңтайландырылды және жетілдірілді. Чат-бот қалай жұмыс істейді? Бұл қарапайым сұрақтар мен мәселелерді шешуге арналған және пайдаланушылармен толық қарым-қатынасты қамтамасыз ететін бағдарлама (әңгіме екі нақты адамның диалогы). Виртуалды көмекшіні таңдау бизнестің тиімділігі мен сәттілігіне әсер етеді. Чат-боттардың негізгі міндеті-Клиентті орналастыру, жиі қойылатын сұрақтарға жауап беру, сатып алу пайдасына шешім қабылдауға көмектесу. Егер пайдаланушының барлық сұрақтары тез шешілсе, ол сіздің өніміңізді көбірек пайдаланады. Расскажите об основных шагах развертывания программного обеспечения чат-ботов на сервере Яндекса. Бірінші қадам - сізде бар чатботтың көшірмесін жасау және сізде сақтық көшірме болу үшін жаңа көшірме жасау. Егер сіз өзіңіздің чатботыңызды әртүрлі платформаларға біріктіретін үлкен жобамен жұмыс істеп жатқан болсаңыз және сіз жобаны одан әрі сақталатындай етіп жасағыңыз келсе, онда credentials.yml-ді қолданған жөн. Егер сіз бизнес жасасаңыз және Facebook сияқты әр түрлі платформаларда жұмыс істейтін бот құруға тырыссаңыз, сізге credentials.yml сақтауға кеңес беремін, Сол сияқты, Slack, Twitter, Telegram немесе өз веб-сайтыңыз. Бұл жағдайда кілттер мен құпияларды басқару оңайырақ болады. Қолданба деңгейіндегі құпия кілттерді басқарудың жақсы әдісі - кілттерді қоршаған ортаның айнымалылары ретінде сақтау және амалдық жүйенің қоршаған ортасынан құпия кілттердің мәндерін немесе кез-келген басқа құпия ақпаратты оқу үшін кодты жазу. Есіңізде болсын, кодтың ішінде кез-келген пернені сақтау ешқашан жақсы емес. Сонымен қатар, сіз өзіңіздің серверіңізде нүктелік env файлын құра аласыз және осы файлдан кілттер қоймасында еш жерде бақыланбайтын кілттерді оқи аласыз. Қарапайымдылық үшін біз жеке сценарийлердегі кіру кілттері мен құпия кілттерді орналастыру үшін қолданамыз. Біз сізге түсінікті қарапайым етіп жасаймыз, сонда сіз алдымен ботты жасай аласыз, содан кейін оны масштабтауға тырысыңыз, ал ең бастысы сіз қауіпсіздік деңгейіндегі мәселелер туралы ойлана алады. Егер сіз өзіңіздің ботыңызды бірнеше платформада орналастыруыңыз керек болса және әр түрлі тіркелгі деректерін сақтау үшін credentials.yml пайдаланғыңыз келсе, оны қосымша аргумент беру арқылы пайдалануға болады. Жоғарыда көрсетілген тіркелгі деректері файлын мысал ретінде пайдалану үшін, төмендегі пәрменді қолдануға болады. Расскажите о генеративных системах ИИ и для каких целей используются такие системы. Жасанды интеллект өте үлкен жылдамдықпен, тиімділікпен жаңа сандық кескіндерді қалыптастыра алады. Соңғы бірнеше жыл ішінде сандық нысанда ұсынуға болатын жасанды интеллектті қолдану әдістері кең таралды. Жасанды интеллекттің бұл қолданысы «генеративті» (ағылш. Generative - «өндіруші») деп аталады. Генеративті жасанды интеллект автоматтандырылған программалау, мазмұнды дайындау, бейнелеу өнері және басқа да инженерлік-шығармашылық міндеттерді шешуге арналған қосымшалардың негізі. Оның нақты бағыттары бойынша айтып өтсем. Графикалық өнер. Мұндай алгоритмдер епсіз «жазуларды» білікті қолмен салғандай етіп сурет салуға да қабілетті. Олар адамның бет-бейнесінің эскизін фотографиялық портретке айналдыра алады. Фотосуреттер. Жасанды интеллект суреттерді автоматты түрде өңдей алады, түпнұсқадағы кез-келген жетіспейтін элементтерді жасайды және жабады, түсініксіз немесе нашар көрінетін элементтерді түзетеді. Аудио. Жасанды интеллект мәтінді керемет дәлдікпен сөйлеуге айналдырып, компьютерде синтезделген дауыстарды адам шығаратындай етіп өңдеуге қабілетті. Сондай-ақ ол композитордың шынайы сезімін білдіретін музыканы жаза алады. Бейне. Жасанды интеллект фильм кадрларын сәндей алады, жарықтандыруды өзгерте алады және режиссер ойлағандай әр түрлі эффекттер қосады. GAN моделінің архитектурасына екі кіші модель кіреді: генератор және дискриминатор. Генератордың рөлі нақты деректерге ұқсас нақты үлгіге негізделген мәліметтер қорын құру болып табылады. Дискриминаторға үлгіні генератор ұсынбайтын нақты деректерден алу ықтималдығын бағалауға үйретілген. Екі нейрондық желі мысық пен тышқанды ойнайды: генератор дискриминаторды алдау үшін, ал дискриминатор жасалған үлгілерді жақсы анықтауға тыры G генераторы кездейсоқ сандардың жұбын (z1, z2) кіріс түрінде қабылдайды, оларды нақты үлгідегі мысалдарға ұқсас етіп өзгертеді. G нейрондық желісінің құрылымы кез келген болуы мүмкін, мысалы, көп қабатты перцептрон немесе сверточная нейронная сеть. Дискриминатор нақты үлгі үшін 1, ал алынған үлгі үшін 0 шығаратын етіп орындалады. D нақты және құрылған үлгі арасындағы айырмашылықтың қателігін азайтуға бейімделген, ал G D-дің қате жасау ықтималдығын барынша арттыруға бейімделген. |