План. Лекции. Номер лекции Тема лекции 1 Искусственный интеллект как научное направление. Термины и определения. 2,3

• Название: План. Лекции. Номер лекции Тема лекции 1 Искусственный интеллект как научное направление. Термины и определения. 2,3
• Дата: 09.05.2022
• Размер: 291.48 Kb.
• Имя файла: file.pptx
• Тип: Лекции; #518389

Лекция 1.

План. Лекции.

Номер лекции	Тема лекции
1	Искусственный интеллект как научное направление. Термины и определения.
2,3	Представление знаний, рассуждений и задач.
5,6,7	Модели представления знаний
8,9,10	Нечеткая логика и программные средства для работы с нечеткими знаниями.
11,12,13	Искусственные нейронные сети.
14,15	Методы обучения нейронных сетей.
16,17	Экспертные системы: классификация и структура, этапы проектирования и примеры реализации.

План. Лабораторные работы.

Номер	Тема лабораторной работы
1	Исследование способов формирования нечетких множеств и операции над ними. Моделирование нечеткой системы средствами инструментария нечеткой логики.
2	Исследование алгоритма нечеткой кластеризации и изучение свойств линейного нейрона.
3	Изучение свойств линейной нейронной сетии многослойного нелинейного персептрона. Алгоритм обратного распространения ошибки.
4	Изучение сетей Кохонена и алгоритма обучения без учителя. Построение гибридной системы класса ANFIS в среде MATLAB. Базовые функции проектирования гибридных систем. Интегральные функции реализации нечеткой нейронной сети.

Методика выставления оценки

Количество баллов	Процент	Оценка
56 и более	55% и более	3
71 и более	70% и более	4
91 и более	90% и более	5

Достижение	Стоимость	Максимум
Посещение лекции	1 балл	17 баллов
Выполнение лекционного задания *	1 балл	17 баллов
Сдача лабораторной работы	10 баллов	40 баллов
Сдача курсовой работы	20 баллов	20
Рубежный контроль	5 баллов * оценку	25
Итого		102 + 17

ИИ - это самообучающийся инструмент, усиливающий деятельность человека по генерации и принятию решений.

1943-1955. Появление предпосылок ИИ

Уоррен Мак-Каллок, Уолтер Питсс.
Модель искусственных нейронов.
Первый сетевой компьютер на основе нейронной сети
Тест Тьюринга

Нейронная сеть

Тест Тьюринга

1956 год. Рождение ИИ

Дартмутский семинар.
Рождение ИИ.
Аллен Ньюэлл и Герберт Саймон.
Logic Theorist

1952-1969 годы. Ранний энтузиазм. Большие ожидания.

General Problem Solver— GPS
Герберт Гелернтер Geometry Theorem Prover
Самюэл опроверг утверждение, что компьютеры способны выполнять только то, чему их учили
Lisp
Микромиры

1966-1974 года. Столкновение с реальностью

Слишком оптимистические прогнозы
Сложность 1: Основная часть ранних программ не содержала знаний
Сложность 2: Неразрешимость многих проблем из-за комбинаторного взрыва
Сложность 3: Фундаментальные ограничения базовых структур

the spirit is willing but the flesh is weak

дух полон желаний, но плоть слаба

the vodka is good but the meat is rotten

водка хороша, но мясо испорчено

1969-1979 год. Системы, основанные на знаниях

Слабые и сильные методы
Dendral
Mycin
Разработка большого количества языков представления знаний.

С 1980 года. Превращение ИИ в индустрию

Первая успешно действующая коммерческая экспертная система
Экономия: 40 миллионов долларов в год
Бурный рост индустрии ИИ

С 1986 года. Возвращение к нейронным сетям

Переоткрытие алгоритма обучения путем обратного распространения
Коннекционистские модели

С 1987 года. Превращение искусственного интеллекта в науку

Строгое обоснование теорий
Преодоление изоляции
Скрытые марковские модели

Появление подхода, основанного на использовании интеллектуальных агентов

Агент

Термины и определения

Знания
Состояние
Цель
Модель представления знаний
Предметная область
Интеллектуальной информационной системой (ИИС)

Современное состояние разработок

Автономное планирование и составление расписаний
Ведение игр
Автономное управление
Диагностика
Планирование снабжения
Робототехника
Понимание естественного языка и решение задач

Задание

Составить список плюсов и минусов ИИ по сравнению с человеком.