Видяпиной 201ф. Лекция Ответы на вопросы по лекции Этапы развития систем искусственного интеллекта (сии). Основные направления развития исследований в области систем искусственного интеллекта. Естественноязыковые программы
 Скачать 17.59 Kb.
|
|
Лекция 1. Ответы на вопросы по лекции «Этапы развития систем искусственного интеллекта (СИИ). Основные направления развития исследований в области систем искусственного интеллекта. Естественно-языковые программы»: 1)Искусственный интеллект это - это машинная система, которая воспринимает окружающую ее среду, преследует цели, адаптируется к изменениям и предоставляет информацию или выполняет определенные действия». В сравнении с человеком, это определение в то же время учитывает, что машины выполняют большинство задач иначе, чем люди. 2)Доказательство теорем, распознавание образов, экспертные системы, машинный перевод и понимание текстов на естественном языке, игровые программы, нейронные сети, робототехника. 3)Память и катастрофическое забывание, прозрачность и объяснимость, этика искусственного интеллекта. Лекция 2. Ответы на вопросы к лекции «Архитектура СИИ. Перцептроны. Модели представления знаний. Представление знаний с помощью системы продукций. ЭС»: 1)База знаний отличается от базы данных тем, что если единицы информации в базе данных представляют собой не связанные друг с другом сведения, формулы, теоремы, аксиомы, то в базе знаний те же элементы уже связаны как между собой. 2)В семантических сетях существует возможность представлять знания более естественным и структурированным образом, чем в других формализмах. Основным преимуществом является то, что она более других соответствует современных представлениям об организации долговременной памяти человека. Основная идея подхода при построении логических моделей представления знаний — вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В нейронной сети заданной архитектуры знания об окружающей среде представляются множеством свободных параметров (т.е. синаптических весов и порогов) сети. Такая форма представления знаний соответствует самой природе нейронных сетей. Именно в ней кроется ключ эффективности нейросетевых моделей. 3)F = ( 0 + 0 ) * ( 1 ) F = 0 * 1 = 0 4)Пётр 2 —>Служащие Лекция 3. Ответы на вопросы по лекции «Технологии манипулирования знаниями СИИ. Планирование научного эксперимента СИИ. Стандарт для решения задач анализа данных. Роли участников в проектах по анализу данных.»: 1)фреймы структуры,использующиеся для обозначения объектов и понятий(залог,вексель); фреймы-роли(клиент,менеджер); фреймы-сценарии(банкротство,собрание); фреймы-ситуации(авария,рабочийрежимустройства); и др. 2) в создании единой "правильной" онтологии, фиксирующей знания, общие для нескольких предметных областей, и в многократном использовании данной онтологии. 3) Целью подготовки данных к анализу является улучшение качества собранных данных и, как следствие, улучшение качества результатов маркетингового исследования. 4)Практический 5) Начать определение контекста концептуальной карты следует с формулировки фокус-вопроса, который четко определяет проблему или задает концепт, который карта должна сделать доступным для понимания. Каждая карта отвечает на фокус-вопрос, и, если он правильно сформулирован, это может сделать концептуальную карту более информативной. После определения предметной области и формулировки фокус - вопроса следующим шагом является определении ключевых концептов предметной области, число которых не должно превышать 15—25. Из этих концептов формируется упорядоченный список, в котором наиболее общие и всеобъемлющие понятия располагаются вверху, а наименее общие, детализированные — внизу. Следующим шагом является построение предварительной концептуальной карты. |