Тенденции развития теории искусственного интеллекта

Просматриваются два направления развития ИИ:

- первое заключается в решении проблем связанных с приближением специализированных систем ИИ к возможностям человека и их интеграции, которая реализована природой человека.

- второе заключается в создании Искусственного Разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

9. Перспективные технологии

1. Нейронные сети

Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей, - финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идет усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

2. Эволюционные вычисления

Основные направления развития - выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей.

Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п.

В дальнейшем для решения сложных задач будут использоваться коллективы автономных агентов. Для этого придется заняться изучением возможных направлений эволюции подобных коллективов, планирования совместной работы, способов связи, группового самообучения, кооперативного поведения в нечетких средах с неполной информацией, коалиционного поведения агентов, объединяющихся "по интересам", научиться разрешать конфликты взаимодействия и т. п.

3.1 Нечеткая логика

Системы нечеткой логики активнее всего будут применяться преимущественно в гибридных управляющих системах.

3.2 Обработка изображений

Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использованием различных протоколов, обработка биометрических образов, снимков со спутников), независимых от устройств воспроизведения, оптимизации цветового представления на экране и при выводе на печать, распределенных методов получения изображений.

Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации защиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов.

3.3. Экспертные системы

Спрос на экспертные системы остается на достаточно высоком уровне. Наибольшее внимание сегодня привлечено к системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.

3.4. Интеллектуальные приложения

Рост числа интеллектуальных приложений, способных быстро находить оптимальные решения комбинаторных проблем (возникающих, например, в транспортных задачах), связан с производственным и промышленным ростом в развитых странах.

3.5. Распределенные вычисления

Распространение компьютерных сетей и создание высокопроизводительных кластеров вызвали интерес к вопросам распределенных вычислений - балансировке ресурсов, оптимальной загрузке процессоров, самоконфигурированию устройств на максимальную эффективность, отслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, моделированию подобных систем.

3.6. ОС РВ

Появление автономных робототехнических устройств повышает требования к ОС реального времени - организации процессов самонастройки, планирования обслуживающих операций, использования средств ИИ для принятия решений в условиях дефицита времени.

3.7. Интеллектуальная инженерия

Методы ИИ все чаще используются для анализа исходных текстов и понимания их смысла, управления требованиями, выработкой спецификаций, проектирования, кодогенерации, верификации, тестирования, оценки качества, выявления возможности повторного использования, решения задач на параллельных системах.

Программная инженерия постепенно превращается в так называемую интеллектуальную инженерию, рассматривающую более общие проблемы представления и обработки знаний.

3.8. Самоорганизующиеся СУБД

Самоорганизующиеся СУБД будут способны гибко подстраиваться под профиль конкретной задачи и не потребуют администрирования.

4.1. Автоматический анализ естественных языков (лексический, морфологический, терминологический, выявление незнакомых слов, распознавание национальных языков, перевод, коррекция ошибок, эффективное использование словарей).

4.2. Высокопроизводительный OLAP-анализ и раскопка данных, способы визуального задания запросов.

4.3. Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хирургических операций.

4.4. Создание полностью автоматизированных киберзаводов, гибкие экономные производства, быстрое прототипирование, планирование работ, синхронизация цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей.

5. Небольшое число конференций посвящено выработке прикладных методов, направленных на решение конкретных задач промышленности в области финансов, медицины и математики.

Заключение

Ключевым фактором, определяющим сегодня развитие ИИ, считается темп роста вычислительной мощности компьютеров, так как принципы работы человеческой психики по-прежнему остаются неясными.

Мы попытались дать определение искусственному интеллекту путем рассмотрения основных областей его исследования и применения. Этот обзор обнаружил молодую и многообещающую область науки, основная цель которой - найти эффективный способ понимания и применения интеллектуального решения проблем, планирования и навыков общения к широкому кругу практических задач.

Сфера ИИ, ставшая зрелой наукой, развивается постепенно - медленно, но неуклонно продвигаясь вперед. Поэтому результаты достаточно хорошо прогнозируемы.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1 Баженов Л.Б., Гутчин И.Б., Интеллект и машина, М.: Знание, 1973.

2 Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта. - М.: Мир, 1990 - 560 с.

3 Змитрович А.И. Интеллектуальные информационные системы - Минск: НТООО "ТетраСистемс", 1997 - 368 с.

4 Лорьер Ж.-Л. Системы искусственного интеллекта - М.: Мир, 1991 - 586 с.

5 Нильсон Н. Искусственный интеллект. Методы поиска решений: Пер. с англ. - М.: Мир, 1973.

6 Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. - М.: Радио и связь, 1985.

7 Поспелов Г.С. Системный анализ и искусственный интеллект - М.: ВЦ АН СССР, 1980.

8 Слэйгл Дж. Искусственный интеллект - М.: Мир, 1973.

9 Шалютин С. Искусственный интеллект - М., 1993.

10 Источники из интернета:

http://ai.obrazec.ru/ai_perspective1.htm

http://alt-future.narod.ru/Ai/luger.htm

http://iqfactor.narod.ru/1/m/ai1.html

http://rriai.org.ru/

http://ru.wikipedia.org/wiki/A.I.

http://structuralist.narod.ru/articles/ai.htm#ai9

http://filosof.historic.ru/books/item/f00/s00/z0000970/st002.shtml

http://www.edu-zone.net/show/163109.html

http://www.ssti.ru/kpi/informatika/Content/biblio/b1/inform_man/gl_16_1.htm

Размещено на Allbest.ru