Wie erstellt man künstliche Intelligenz? Programmierroboter. Entwicklung der Robotik

Arbeiten an der Kreuzung von Kybernetik, Psychologie und Behaviorismus (Wissenschaft des Verhaltens) und einem Ingenieur, der Algorithmen für industrielle Roboterkomplexe bildet, von denen zwischen den Hauptwerkzeugen - höhere Mathematik Und Mechatronik, sie arbeiten in der vielversprechendsten Industrie der kommenden Jahre - Robotik. Roboter, trotz der vergleichenden Neuheit des Begriffs, ist die Menschheit seit langem bekannt. Hier sind nur ein paar Tatsachen aus der Geschichte der Entwicklung von intelligenten Mechanismen.

Eisen Menschen Henri dro

Auch in den Mythen des antiken Griechenlands wurden mechanische Sklaven von Hephaeste zur Erfüllung schwerer und monotoner Werke erwähnt. Und der erste Erfinder und der Entwickler eines menschlichen Roboters wurden zum legendären Leonardo da Vinci. Die detaillierten Zeichnungen des italienischen Genies bleiben bis heute erhalten und beschreibt den mechanischen Ritter, der menschliche Bewegungen mit den Händen, Beinen, den Kopf nachahmen kann.

Die Erstellung der ersten automatischen Software-Kontrollmechanismen wurde am Ende des europäischen Watchmasters der XVιιι Century-Century initiiert. Am erfolgreichsten ist dieses Feld, Schweizer Spezialisten Vater und Sohn Pierre-Jacques und Henri Dro. Sie erstellten eine ganze Reihe ("Schreibjungen", "Zeichner", "Musiker") im Herzen des Managements, der stündliche Mechanismen verschickt wurden. Es war in der Zukunft zu Ehren von Henri dro, alle programmierbaren menschlichen Maschinen anfingen "Androids".

Bei den Ursprüngen der Programmierung

Die Grundlagen der Programmierung der Industrieroboter wurden in der Morgendämmerung des 19. Jahrhunderts in Frankreich angelegt. Hier waren die ersten Programme für automatische Textilmaschinen (Spinnen und Weben). Die schnell wachsende Armee von Napoleon war in Dire, die in Uniformen benötigt, und daher Gewebe. Der Erfinder aus Lyon Joseph Jacquer schlug einen Weg vor, eine Weberei, um eine Weberei zur Herstellung verschiedener Produkte der Produkte schnell neu zu konfigurieren. Oft erforderte dieses Verfahren eine Menge Zeit, die enorme Anstrengungen und Aufmerksamkeit des gesamten Teams. Die Essenz der Innovation wurde auf die Verwendung von Kartonkarten mit perforierten Löchern reduziert. Nadeln, in die umliegenden Orte gelangen, wurden die Fäden gut verschoben. Kartenwechsel wurde schnell vom Maschinenbediener durchgeführt: ein neuer Schlag - neues Programm - Neue Art von Stoff oder Muster. Die französische Entwicklung ist ein Prototyp moderner automatisierter Komplexe, Roboter mit Programmierung geworden.

Die von Jacquer vorgeschlagene Idee mit Freude wurde in ihren automatischen Geräten verwendet, viele Erfinder:

Leiter der Statistikabteilung S. N. Korsakov (Russland, 1832) - im Mechanismus zum Vergleich und Analysieren von Ideen.
Mathematiker Charles Babbage (England, 1834) - in einer analytischen Maschine, um ein breites Spektrum mathematischer Probleme zu lösen.
Ingenieur (USA, 1890) - In der Vorrichtung zum Speichern und Verarbeiten statistischer Daten (Tababulator). Hinweis: 1911 das Unternehmen. Hollerita wurde ibm (internationale Geschäftsmaschinen) genannt.

Perfokundendarken waren in den 60er Jahren des letzten Jahrhunderts wichtige Informationsträger.

Intellektuelle Maschinen im Besitz des tschechischen Dramatiks im Spiel "R.U.R.", der 1920 das Licht sah, nannte der Schriftsteller den Roboter der künstlichen Person, der für schwere und gefährliche Produktionsstandorte erstellt wurde (Robota (Tschechisch.) -katorga). Und was unterscheidet den Roboter von den Mechanismen und automatischen Geräten? Im Gegensatz zu letzteren führt der Roboter nicht nur bestimmte Maßnahmen aus, die dem gelegelten Algorithmus blindend folgt, sondern kann auch mit der Umwelt und dem Menschen (Bediener) interagieren, die Funktionen beim Ändern von externen Signalen und Bedingungen anpassen.

Es wird angenommen, dass der erste handelende Roboter 1928 vom American Engineer R. Wentley errichtet und umgesetzt wurde. Manoid "Eisen intellektuell" erhielt den Namen Herbert TV. Biologe Makoto Nisiimura (Japan, 1929) und der englische Soldat William Richards (1928) werden auch auf die Pioniere-Lorbeer der Pioniere behauptet. Erstellt von Erfinder Anthropomorphen Mechanismen hatten eine ähnliche Funktionalität: Sie konnten die Gliedmaßen und Köpfe bewegen, Sprach- und Soundteams führen, auf einfache Fragen reagieren. Der Hauptzweck der Geräte war eine Demonstration wissenschaftlicher und technischer Erfolge. Die nächste Runde in der Entwicklung von Technologien dürfte bald die ersten Industrieroboter erstellen.

Generation durch Generation.

Die Entwicklung der Robotik ist ein kontinuierlicher, progressiver Prozess. Bislang wurden drei ausgeprägte Generationen von "intelligenten" Maschinen gebildet. Jeder zeichnet sich durch bestimmte Indikatoren und Anwendungskugeln aus.

Die erste Robotergeneration wurde für eine enge Aktivität erstellt. Maschinen können nur eine spezifische programmierte Abfolge von Operationen ausführen. Roboterverwaltungsgeräte, -schaltung und Programmierung schließen praktisch einen autonomen Betrieb aus und erfordern die Erstellung eines speziellen technologischen Raums mit den erforderlichen zusätzlichen Geräten und Informations- und Messsystemen.

Die Maschinen der zweiten Generation werden klar oder adaptiv genannt. Programmierroboter werden unter Berücksichtigung des großen Satzes von externen und internen Sensoren durchgeführt. Basierend auf der Analyse der von den Sensoren kommenden Informationen werden die notwendigen Steuerungseffekte erzeugt.

Und schließlich ist die dritte Generation intelligente Roboter, die in der Lage sind,:

Informationen verallgemeinern und analysieren
Verbessern und sich selbst studieren, Fähigkeiten und Wissen ansammeln,
Erkennen Sie Bilder und Änderungen in der Situation und gemäß diesem Aufbau der Arbeit Ihres Executive-Systems.

Beyogen auf künstliche Intelligenz Liegt algorithmisch und software.

Allgemeine Einteilung

In jeder repräsentativen modernen Ausstellung von Robotern kann die Vielfalt der "intelligenten" Autos nicht nur einfache Einwohner, sondern auch Spezialisten auswirken. Und was sind die Roboter? Der Sowjetwissenschaftler A. E. KOBRINSKY schlug die häufigste und sinnvollste Klassifizierung vor.

Für den Zweck und die Funktionen von Robotern sind in Produktion und Industrie und Forschung unterteilt. Der erste, der gemäß der Art der durchgeführten Arbeiten, kann technologisch, heben, vielseitig, universell oder spezialisiert sein. Die Forschung sollen Bereichen und Kugeln studieren, gefährlich oder unzugänglich für den Menschen (Weltraum, irdischer Subsolen und Vulkanen, Tiefseeschichten des Weltozeans).

Nach Art des Managements können biotechnische (Kopieren, Befehl, Cyborgs, interaktiv und automatisch) gemäß dem Prinzip - starr programmierbar, adaptiv und flexibel programmierbar zugeteilt werden. Die stürmische Entwicklung von Modern bietet Entwicklern praktisch grenzenlose Möglichkeiten in der Gestaltung von intellektuellen Maschinen. Eine hervorragende Kreislauf- und konstruktive Lösung dient jedoch nur eine kostspielige Hülle ohne relevante Software und algorithmische Unterstützung.

Damit das Silizium des Mikroprozessors die Funktionen des Gehirns des Roboters übernehmen kann, ist es erforderlich, das entsprechende Programm in den Kristall "gießen". Eine gewöhnliche menschliche Sprache kann nicht eine klare Formalisierung von Aufgaben, Genauigkeit und Zuverlässigkeit ihrer logischen Bewertung sicherstellen. Daher werden die erforderlichen Informationen in einem bestimmten Formular mithilfe von Roboterprogrammiersprachen eingereicht.

In Übereinstimmung mit den Verwaltungsaufgaben werden vier Ebenen einer solchen Spezialsprache zugeteilt:

Der niedrigste Niveau dient zur Steuerung der Aktuatoren in Form von exakten Werten der linearen oder eckigen Bewegung einzelner Einheiten des intellektuellen Systems,
Mit dem Niveau des Manipulators können Sie trainieren generalführung. das gesamte System, das das Arbeitsorgan des Roboters in dem Koordinatenraum positioniert,
Der Betriebsniveau dient zum Formular arbeitsprogrammIndem Sie die Reihenfolge der erforderlichen Maßnahmen angeben, um ein bestimmtes Ergebnis zu erreichen.
Auf der höchsten Ebene - Aufgaben - das Programm ohne Detail zeigt an, was zu tun ist.

Robotik sollen Programmierroboter reduzieren, um mit ihnen in hochrangigen Sprachen zu kommunizieren. Im Idealfall legt der Bediener die Aufgabe fest: "Erstellen Sie einen Verbrennungsmotor des Autos" und erwartet einen vollständigen Task-Execution-Roboter.

Sprachnuancen

In modernen Robotik entwickeln sich die Programmierroboter in zwei Vektoren: Roboterorientierte und problematische Programmierung.

Die häufigsten roboterorientierten Sprachen - Aml und Al. Der erste wird von IBM entwickelt, nur um intellektuelle Mechanismen für ihre eigene Produktion zu verwalten. Die zweite ist das Produkt von Spezialisten der Standford University (USA) - entwickelt sich aktiv und hat einen erheblichen Einfluss auf die Bildung neuer Sprachen dieser Klasse. Professionell untersucht leicht die charakteristischen Merkmale von Pascal und Algola. Alle roboterorientierten Sprachen beschreiben einen Algorithmus als Sequenz eines "smart" -Mechanismus. In dieser Hinsicht kommt das Programm in der praktischen Umsetzung oft sehr umständlich und unpraktisch.

Bei der Programmierung von Robotern auf problemorientierten Sprachen zeigt das Programm eine Folge von keine Aktionen, sondern Tore oder Zwischenpositionen des Objekts an. Das beliebteste in diesem Segment ist Autopass (IBM), in dem der Zustand des Arbeitsmediums in Form von Graphen (Scheitelpunkte - Objekte, Bögen - Kommunikation) dargestellt wird.

Trainingsoboter

Jeder moderner Roboter ist ein Auszubildende und ein adaptives System. Alle notwendigen Informationen, einschließlich Wissen und Fähigkeiten, werden im Lernprozess an ihn übermittelt. Dies erfolgt, wie direkt in den Speicher des Prozessors der relevanten Daten (detaillierte Programmiermaße) eingegeben und mit den Robotersensoren (durch visuelle Demonstration) verwendet werden. Alle Bewegungen und Bewegen der Robotermechanismen werden in den Speicher eingegeben und dann in der Reproduzierung Arbeitszyklus. Das Studium baut das System seine Parameter und die Strukturformulare neu aus informationsmodell Außenwelt. Dies ist der Hauptunterschied zwischen Robotern aus automatisierten Linien, industriellen Automaten mit starrer Struktur und anderen traditionellen Automatisierungswerkzeugen. Die gelisteten Lernmethoden haben erhebliche Nachteile. Beispielsweise erfordert die Umkonfiguration während des Samenminals eine bestimmte Zeit und Arbeit eines qualifizierten Spezialisten.

Das Programmierprogramm, das von den Laborentwicklern vertreten ist, sieht sehr vielversprechend aus. informationstechnologien Mit dem Massachusetts-Institut für Technologie (Csail mit) auf der internationalen Konferenz der industriellen Automatisierung und der Robotik ICRA-2017 (Singapur). Die von ihnen erstellte C-Learn-Plattform hat die Vorteile beider Methoden. Es bietet eine Roboterbibliothek von Elementarbewegungen mit spezifizierten Einschränkungen (zum Beispiel eine Griffkraft für den Manipulator gemäß Form und Steifigkeit des Teils). Gleichzeitig demonstriert der Bediener die Roboterschlüsselbewegungen in der dreidimensionalen Schnittstelle. Das System, basierend auf der Aufgabe, erzeugt eine Abfolge von Vorgängen, um den Arbeitszyklus auszuführen. C-Lern ermöglicht es Ihnen, erneut zu schreiben bestehendes Programm Für einen Roboter eines anderen Designs. Der Betreiber erfordert kein tiefes Wissen im Bereich der Programmierung.

Robotik und künstliche Intelligenz

Spezialisten der Universität Oxford warnen, dass Maschinentechnologien in den nächsten zwei Jahrzehnten mehr als die Hälfte der heutigen Arbeitsplätze ersetzen werden. Tatsächlich haben Roboter lange nicht nur in gefährlichen und schwierigen Bereichen gearbeitet. Beispielsweise befestigte sich die Programme, die die Broker der Menschen an den World Borests erheblich befestigt haben. Ein paar Worte über künstliche Intelligenz.

In der Vertretung des Mannes ist dies ein anthropomorpher Roboter, der eine Person in vielen Lebensbereichen ersetzen kann. Es ist teilweise, aber mehr künstliche Intelligenz ist ein unabhängiger Zweig der Wissenschaft und Technologie, der verwendet wird computerprogrammeÄhnlich auf "Homo Sapiens" denken, die Arbeit des Gehirns. In der heutigen Bühne hilft die Entwicklung von AI mehr Menschen, sie unterhaltsam zu machen. Laut Experten können jedoch weitere Fortschritte auf dem Gebiet der Robotik- und künstlichen Intelligenz eine Reihe von moralischen und ethischen und rechtlichen Fragen vor der Menschheit einsetzen.

In diesem Jahr in der Ausstellung von Roboter in Genf sagte der fortgeschrittenste Android Sofia, er lernte, ein Mann zu sein. Im Oktober wurde Sofia erstmals in der Geschichte der künstlichen Intelligenz als Bürger von Saudi-Arabien mit vollwertigen Rechten anerkannt. Erstes Schlucken?

Die Haupttrends der Robotik

Im Jahr 2017 bemerkte die Spezialisten der digitalen Branche mehrere herausragende Technologielösungen. virtuelle Realität. Nicht zur Seite und Roboter gelassen. Sehr vielversprechend, die Richtung der Verbesserung des Managements des komplexen Robokechanismus durch einen virtuellen Helm (VR) sieht aus. Experten prophezeien der Nachfrage nach einer solchen Technologie in Wirtschaft und Industrie. Wahrscheinliche Verwendung Szenarien:

Unbemanntes Technologiemanagement (Lagerlader und Manipulatoren, Drohnen, Anhänger),
Medizinische Forschung und chirurgische Operationen,
Die Entwicklung schwer zu erreichender Gegenstände und Regionen (Boden des Ozeans, Polarbereiche). Darüber hinaus ermöglichen die Programmierroboter ihnen die Durchführung und Offline-Arbeit.

Ein weiterer beliebter Trend ist mit dem Auto verbunden. Zuletzt erklärten Apple Riesen-Vertreter den Beginn der Entwicklung ihrer eigenen "Drohne". Immer mehr Firmen drückt ihr Interesse an der Erstellung von Maschinen aus, die sich unabhängig voneinander um die durcheinander gerichteten Spuren bewegen, während Sie Waren und Ausrüstung aufrechterhalten.

Die zunehmende Komplexität von Algorithmen zum Programmieren von Robotern und Maschinenlernen ermöglicht den erhöhten Anforderungen an Rechenressourcen und folglich zur "Hardware". Anscheinend ist der optimale Ausgang in diesem Fall der Anschluss von Geräten an die Cloud-Infrastruktur.

Eine wichtige Richtung ist eine kognitive Roboter. Der schnelle Anstieg der Anzahl der "intelligenten" Maschinen zwingt Entwickler immer öfter darüber nach, wie man Roboter lehrt, um gut zu interagieren.

Bisher können Programmierer programmieren, dann sind die bestehenden AIS nicht KI, unabhängig davon, was der Phantha navel wäre. Die vorgeschlagene Option kann dieses Problem lösen.

Als Ergebnis seiner Forschung habe ich nicht mehr den Satz "Künstliche Intelligenz" als zu unsicher gemacht und kam zu einem anderen Wortlaut: Ein unabhängiger Lernalgorithmus, Forschung und Anwenden von Ergebnissen, um alle Aufgaben zu lösen, um die Umsetzung möglich zu lösen.

Was ist AI, das wurde bereits darüber geschrieben. Ich habe eine Frage anders, nicht "was ist KI", und "warum brauche ich ein". Ich brauche es, um viel Geld zu verdienen, dann würde der Computer alles für mich erfüllen, das ich selbst nicht tun möchte, nachdem ich ein Raumfahrzeug bildete und zu den Sternen fliegt.

Also werde ich hier beschreiben, wie er den Computer unsere Wünsche durchführen kann. Wenn Sie erwarten, hier eine Beschreibung zu sehen oder zu erwähnen, wie das Bewusstsein funktioniert, was ist das Selbstbewusstsein, was bedeutet, dass das Denken oder Begründen nicht hier ist. Denken Sie an - es geht nicht um Computer. Computer werden berechnet, berechnet und ausgeführt Programme. Wir denken also darüber nach, wie man ein Programm ergibt, das die notwendige Abfolge von Maßnahmen zur Umsetzung unserer Wünsche berechnen kann.

In welcher Form wird unsere Aufgabe in den Computer fallen - durch die Tastatur, durch das Mikrofon, durch das Mikrofon oder von in das Gehirn implantierten Sensoren - es spielt keine Rolle, dies ist ein sekundäres Geschäft. Wenn wir den Computer dazu bringen, die vom Text geschriebenen Wünsche zu machen, nachdem wir ihm die Aufgabe liefern können, dass er ein Programm erstellen würde, das auch Wünsche ergibt, jedoch durch das Mikrofon. Die Bildanalyse ist so extra.

Um zu behaupten, dass, um die Bilder und den Klang zu erkennen, um die Bilder und den Ton zu erkennen, solche Algorithmen zunächst darin enthalten sein sollten, es spielt keine Rolle, was zu sagen, dass jeder, der erstellt hat, dass sie als solche Programme von der Geburt wussten.

Wir formulieren Axiome:
1. Alles in der Welt kann für einige Regeln berücksichtigt werden. (zu Fehlern später)
2. Berechnung nach Regel ist es eine eindeutige Abhängigkeit des Ergebnisses aus den Quelldaten.
3. Alle eindeutigen Abhängigkeiten können statistisch gefunden werden.
Und jetzt Vorwürfe:
4. Es besteht die Funktion zum Umwandeln von Textbeschreibungen an die Regeln - so dass es nicht notwendig ist, nach dem langfesten Wissen zu suchen.
5. Es besteht die Funktion, Aufgaben auf Lösungen zu konvertieren (dies ist der Exekutal unserer Wünsche).
6. Die Regel der willkürlichen Datenprognose umfasst alle anderen Regeln und Funktionen.

Wir übersetzen es in eine Programmiersprache:
1. Alles in der Welt kann für einige Algorithmen berücksichtigt werden.
2. Algorithmus immer, wenn die Wiederholung der Quelldaten das gleiche Ergebnis ergibt.
3. Wenn es viele Beispiele für Quelldaten und -ergebnisse gibt, mit einer unendlichen Suchzeit können Sie alle vielen möglichen Algorithmen finden, die diese Abhängigkeit der Quelldaten und das Ergebnis implementieren.
4. Es gibt einen Algorithmus zum Umwandeln von Textbeschreibungen in Algorithmen (oder andere Informationsdaten), um nicht nach den erforderlichen Algorithmen statistisch zu suchen, wenn jemand schon jemals gefunden und beschrieben hat.
5. Sie können ein Programm erstellen, das unsere Wünsche erfüllen wird, sei es in Text oder Sprachform, sofern diese Wünsche physisch und im erforderlichen Zeitrahmen implementiert werden.
6. Wenn Sie das Erstellen eines Programms erstellen, das in der Lage ist, die Prognose vorherzusagen und zu lernen, da neue Daten ankommt, wird nach Ablauf der unendlichen Zeit ein solches Programm alle in unserer Welt möglichen Algorithmen enthalten. Nun, mit nicht unendlicher Zeit für praktische Vorteile und mit einem Fehler kann es gemacht werden, die Algorithmen des Programms S.5 oder anderen auszuführen.

Und auch IMHO:
7. Eine andere Methode ist völlig unabhängig und unabhängig vom Lernen der Person, mit Ausnahme der Suche nach den Regeln und statistischen Tests von ihnen bei der Prognose ist nicht vorhanden. Und nur Sie müssen lernen, wie Sie diese Eigenschaft nutzen können. Diese Eigenschaft ist Teil des Gehirns.

Was Sie vorherzusagen müssen. Das menschliche Gehirn beginnt, den Informationsfluss von der Geburt zu fließen - aus Augen, Ohren, taktil usw. und allen Entscheidungen werden von ihnen auf der Grundlage zuvor empfangener Daten akzeptiert. Analog, wir machen ein Programm, das die Eingabe hat neue Informationen Um ein Byte - der Eingang Flip-Stream. Alles, was früher früher kam, erschien in Form einer soliden Liste. Von 0 bis 255 erhalten externe Informationen, und mehr als 255 werden als spezielle Kontrollmarkierungen verwendet. Jene. Mit dem Eingang können Sie auf 0xFFFF-Dimension auf 0xFFFF schreiben. Und es ist dieser Thread, der genau die nächste hinzugefügte Anzahl von Informationen ist, und Sie müssen lernen, basierend auf Ankommen vor dieser Daten vorherzusagen. Jene. Das Programm sollte versuchen, zu erraten, was die nächste Nummer hinzugefügt wird.

Natürlich sind andere Optionen für die Datenpräsentation möglich, aber für Zwecke, wenn die unterschiedlichsten Formate zum Eingang kommen, stechen Sie einfach die verschiedenen HTMLs mit Beschreibungen, diese optimalste. Obwohl Marker durch eine Sequenz-Flucht für Optimierungszwecke ersetzt werden können, aber mit ihnen weniger bequem zu erklären. (Sowie sich vorstellen, dass alles in ASCII, nicht utf).

Also, zunächst, wie bei der Geburt, bin ich Piham dort, alles ist eine aufeinanderfolgende Internetseite mit Beschreibungen und teilen ihre Markierung des neuen Textes - - Was würde diese schwarze Box alles in einer Reihe studieren? Markierungen, die ich von Tags bezeichnet, ist jedoch verstanden, dass sie nur eine einzigartige Zahl sind. Nach einigen Daten können wir anfangen, eingehende Informationen mit den Steuerungsmarkierungen zu manipulieren.

In der Prognose verstehe ich einen solchen Algorithmus, der nicht nur weiß, welche Muster bereits waren, sondern auch nach neuen suchen. Und denn wenn Sie eine Sequenz senden, um ein solches Programm einzugeben
himmel blau
gras grün
decke …
Dann sollte er herausfinden, was ein Marker Es folgt der Farbe aus dem früher angegebenen Objekt, und am Punkt der Punkte prognostiziert die höchstwahrscheinlichste Farbe der Decke.

Wir wiederholten ihm ein paar Beispiele, was auch immer er verstand, dass die Funktion in diesen Tags angewendet wurde. Und die Farbe selbst sollte natürlich nicht erfinden, aber er sollte ihn bereits selbständig kennenlernen, nachdem er die Berechnung der Muster zur Prognose untersucht hat.

Wenn der Algorithmus erforderlich ist, wird der Eingang der nachfolgenden Schritte angegeben, was die Prognose des vorherigen Schritts war. Geben Sie die Autotroprogramm ein (analog mit der Wortautokorrelation). Und während Sie die Suchfunktion für neue Sequenzen trennen.

Ein anderes Beispiel, Sie können auf die Frage nach der ersten Markierung hinweisen, und in der zweiten Antwort, und dann dieser Algorithmus super-mega-cool, es sollte anfangen, auch den schwierigsten Fragen Antworten zu geben. Wieder in den bereits untersuchten Tatsachen.

Sie können viele verschiedene Tricks mit den in der Eingabe des Vorhersagemechanismus eingereichten Kontrollmarkierungen aufstellen und alle gewünschten Merkmale erhalten. Wenn Sie sich langweilen, um über die algorithmische Begründung dieser Eigenschaft zu lesen, können Sie mit den Managern bis zu den folgenden Beispielen scrollen.

Was macht diese schwarze Kiste? Zunächst ist es erwähnenswert, dass eine hundertprozentige Prognose in allen Situationen immer nicht möglich ist. Wenn dagegen immer die Anzahl der Null herausgibt, ist dies die Prognose. Obwohl mit einem absolut 100% -Fehler. Berücksichtigen Sie nun mit der Wahrscheinlichkeit, für die die Zahl, was folgt, was die Zahl folgt. Für jede Zahl wird das wahrscheinlichste das Folgende ermittelt. Jene. Wir können ihn ein wenig vorhersagen. Dies ist der erste Schritt eines sehr langen Weges.

Die eindeutige Anzeige der Quelldaten auf dem Ergebnis gemäß dem Algorithmus entspricht der mathematischen Definition der Wortfunktion, mit der Ausnahme, dass die Definition des Algorithmus nicht den Betrag und den Ort der Eingabe- und Ausgabedaten auferlegt. Auch ein Beispiel, lassen Sie es sich um eine kleine Platte: Die Objektfarbe, die es viele Linien bringt: Der Himmel ist blau, das Grasgrün, die Decke. Es stellte sich eine kleine lokale Funktion des einzigartigen Displays heraus. Und es spielt keine Rolle, dass in der Realität nicht selten Farbe ist, nicht wie - es wird andere Tische geben. Und jede Datenbank, die die gespeicherten Eigenschaften von etwas enthält, ist eine Vielzahl von Funktionen und zeigt Objektkennungen auf ihren Eigenschaften an.

Um in vielen Situationen in vielen Situationen zu vereinfachen, wird ich anstelle des Begriffsalgorithmus die Begriffsfunktion, z. B. Single-Parameter, verwenden, sofern nicht anders angegeben. Und alle möglichen Erwähnung, Sie müssen die Erweiterung der Algorithmen bedeuten.

Und ich werde eine ungefähre Beschreibung geben, weil In Wirklichkeit erkennen ich immer noch das alles ... aber es ist alles logisch. Es sollte auch berücksichtigt werden, dass alle Berechnungen von Koeffizienten durchgeführt werden, nicht wahr oder falsch. (Vielleicht, auch wenn es eindeutig darauf hinweist, dass die Wahrheit und Lügen).

Jeder Algorithmus, der insbesondere in Ganzzahlen tätig ist, kann in viele Bedingungen und Übergänge zwischen ihnen zersetzt werden. Operationen von Zugabe, Multiplikation usw. sind auch von den Vorgorgens von Bedingungen und Übergängen angelegt. Und einen anderen Ergebnisoperator. Dies ist kein Rendite-Operator. Der staatliche Betreiber nimmt irgendwo an und vergleicht sie mit konstanter. Und der Bediener des Ergebnisses fügt sich an einem anderen konstanten Wert hinzu. Der Ort der Einnahme oder Faltung wird relativ zu dem Basispunkt oder der relativ geringen Schritte des Algorithmus berechnet.

STRUKT T_NODE (INT TYPE; // 0 - Bedingung, 1 - Gewerkschaftsergebnis (// Operator T_NODE * source_get; t_Value * compare_value; t_node * next_if_dhen; t_node * next_if_iF_if_else;); struct (// operator t_node * dest_set; t_value * result_value ;);));
Auf dem Verband, so etwas. Und von solchen Elementen und ist ergebautem Algorithmus. Infolge aller Argumente wird es eine komplexere Struktur herausstellen, und dies ist für die anfängliche Präsentation.

Jeder vorhergesagte Punkt wird für einige Funktion berechnet. Eine Bedingung ist an der Funktion angeschlossen, die auf die Anwendbarkeit dieser Funktion an diesen Punkt testet. Die Gesamtkupplung zurückgibt, oder eine Lüge ist nicht an Anwendbarkeit oder das Ergebnis der Berechnung der Funktion. Und kontinuierliche Flussvorhersage ist eine alternative Überprüfung der Anwendbarkeit aller bereits erfundenen Funktionen und deren Berechnung, wenn die Wahrheit ist. Und so für jeden Punkt.

Neben den Bedingungen für die Anwendbarkeit sind noch Entfernungen. Zwischen den Quelldaten und dem Ergebnis, und dieser Abstand ist unterschiedlich, wobei dieselbe Funktion in Abhängigkeit von der Bedingung angewendet wird. (Und von der Bedingung an das Original oder das gleiche projizierte, gibt es eine Entfernung, wir werden es bedeuten, sondern unter Erklärungen auslassen. Und die Entfernung ist dynamisch).

Bei der Ansammlung einer großen Anzahl von Funktionen wird die Anzahl der Bedingungen, die die Anwendbarkeit dieser Funktionen testen, erhöht. Diese Bedingungen in vielen Fällen können jedoch in Form von Bäumen angeordnet sein, und das Abschneiden der Funktionensätze tritt im Verhältnis zur logarithmischen Abhängigkeit auf.

Wann kommt es primäre Erstellung Und die Funktionsmessung, anstelle des Bedieners des Ergebnisses wird die Anhäufung von tatsächlichen Ergebnissen akkumuliert. Nach der Anhäufung von Statistiken wird die Verteilung durch das höchstwahrscheinlichste Ergebnis ersetzt, und die Funktion wird von der Bedingung vorausgesetzt, dass der Zustand auch den Zustand für die maximale Wahrscheinlichkeit des Ergebnisses getestet hat.

Dies ist die Suche nach einzelnen Fakten der Korrelation. AKT EIN Bündel solcher Single, der versucht, sie in Gruppen zu kombinieren. Wir sehen aus, von dem Sie zuordnen können allgemeinzustand und ein gemeinsamer Abstand vom Quellwert zum Ergebnis. Wir prüfen, ob wir unter solchen Bedingungen und Entfernungen in anderen Fällen, in denen die Wiederholung des ursprünglichen Wertes wiederholt wird, keine breite Verteilung des Ergebnisses an. Jene. In bekannter häufiger Verwendung ist es sehr realisiert.

Der Identitätskoeffizient. (Hier ist bidirektionale Identität. Aber öfter ist es unidirektional. Später werden wir die Formel übertragen.)
Die Anzahl jedes Paars XY in das Quadrat und fasst zusammen.
Wir teilen uns auf: Die Menge an Mengen auf dem Platz jedes Werts x plus der Menge an Mengen im Square Y Minus Delimi.
Jene. Summe (XY ^ 2) / (Summe (x ^ 2) + Summe (y ^ 2) - Summe (XY ^ 2)).
Dieser Koeffizient beträgt 0 bis 1.

Und so was passiert. Wir sind von hochfrequenten Fakten überzeugt, dass diese Tatsachen eindeutig und fern sind. Und der Rest ist regal, aber die Summe gibt es weit mehr als häufig - sie haben den gleichen Fehler wie die Tatsachen in diesen Bedingungen. Jene. Wir können die Prognosebasis auf einzelne Fakten ansammeln, die unter diesen Bedingungen gefunden werden.

Ja, es wird eine Wissensbasis geben. Der Himmel ist oft blau, und ein tropisch-seltener Müll sah irgendwo, dass sie grau-braun-ausschlag war. Und erinnerte sich, weil Wir haben die Regel überprüft - es ist zuverlässig. Und das Prinzip hängt nicht von der Sprache ab, egal ob chinesisch oder fremd. Und später ist es nach dem Verständnis der Regeln der Übersetzungen möglich, herauszufinden, dass eine Funktion aus verschiedenen Sprachen gesammelt werden kann. Gleichzeitig ist es notwendig zu berücksichtigen, dass die Wissensbasis auch als Algorithmen dargestellt werden kann - wenn der Anfangswert so ist, dann ist das Ergebnis so.

Darüber hinaus sind wir infolge des Treibens anderer Regeln, wir finden, dass an anderen Standorten und Bedingungen bereits eine gesehene Identität vorliegt. Und jetzt müssen wir keine große Basis für die Bestätigung der Identität eingeben, es reicht aus, um ein dutzend einzelnes Fakten einzugeben, und sehen Sie, dass innerhalb der Grenzen dieser zehn das Mapping in den gleichen Bedeutungen wie die vorherige Funktion auftritt. Jene. Die gleiche Funktion wird bei anderen Bedingungen verwendet. Diese Eigenschaft bildet die Tatsache, dass wir dieselbe Eigenschaft in der Beschreibung durch verschiedene Ausdrücke beschreiben können. Und manchmal werden sie einfach in den Tabellen auf den Internetseiten aufgeführt. Und ferner kann die Sammlung von Fakten auf dieser Funktion bereits in mehreren Optionen erfolgen.

Es besteht eine Anhäufung möglicher unterschiedlicher Bedingungen und Standorte relativ zu Funktionen, und sie können auch versucht werden, Regelmäßigkeiten zu finden. Es ist nicht selten, die Abtastregeln sind ähnlich für verschiedene Funktionen, die sich nur in einigen Zeichen unterscheiden (z. B. das Wort, das Eigenschaft oder Titel in der Tabelle identifiziert).

Im Allgemeinen waren wir ein Bündel einzelner Parameterfunktionen. Und nun, wie bei der Bildung von einzelnen Fakten in Single-Parameter sowie hier, versuchen wir, ein Parameterbedingungen und einen Teil der Entfernung zu gruppieren. Der Teil, den der General ein neuer Zustand ist, und derjenige, der variiert, ist der zweite Parameter der neuen Funktion - zwei Parameter, bei dem der erste Parameter ein Parameter einzelner Parameter ist.

Es stellt sich heraus, dass jeder neuer Parameter In Multiparametrics ist mit der gleichen Linearität wie die Bildung einzelner Fakten in ein Parameter (gut oder fast gleich). Jene. Finden von n-parametrischen Anteil zu N. Was in dem Wunsch bis zu vielen Parametern ist fast ein neuronisches Gitter. (Wer will, wird er verstehen.)

Konvertierungsfunktionen.

Natürlich war es großartig, als wir viele entsprechende Beispiele erhalten würden, sagen wir kleine Texte der Übersetzung von Russisch nach Englisch. Und Sie können versuchen, regelmäßige Muster zwischen ihnen zu finden. In Wirklichkeit wird es jedoch in dem Eingabestrom der Informationen gerührt.

Wir haben also eine Art von Funktion gefunden, und den Pfad zwischen den Daten. Zweiter und dritter. Jetzt sehen wir, können wir unter ihnen einen gemeinsamen Teil unter den Wegen haben. Versuchen Sie, die X-P1- (P2) -P3-Y-Strukturen zu finden. Dann finden Sie andere ähnliche Strukturen mit ähnlichem x-p1 und p3-y, aber unterschiedlich p2. Und dann können wir schließen, dass wir uns mit einer komplexen Struktur befassen, zwischen denen es Abhängigkeiten gibt. Und der Satz von gefundenen Regeln, minus des mittleren Teils, kombinieren sich in Gruppen und nennen wir die Konvertierungsfunktion. Somit werden die Funktionen der Translation, Kompilierung und anderer komplexer Wesenbildung gebildet.

Nehmen Sie hier ein Blatt mit russischem Text und mit seiner Übersetzung zu einer unbekannten Sprache. Ohne Tutorial ist es äußerst schwierig, das Verständnis der Übertragungsregeln aus diesen Blättern zu finden. Dies ist jedoch möglich. Und ungefähr dieselbe Art und Weise, wie Sie dies tun würden, sollte es im Suchalgorithmus ausgegeben werden.

Wenn ich mit einfachen Funktionen herausfne, werde ich die Konvertierungssuche fortsetzen, während auch die Skizze kommt, und das Verständnis dafür ist, dass dies derselbe ist.

Neben der statistischen Suche nach Funktionen können Sie sie immer noch von den Beschreibungen durch die Konvertierungsfunktion an die Regeln bilden - die Lesefunktion. Die Statistiken für die erste Erstellung der Lesefunktionen finden Sie im Internet in Lehrbüchern - Korrelationen zwischen Beschreibungen und Regeln, die auf Beispiele in diesen Beschreibungen angewendet werden. Jene. Es stellt sich heraus, dass der Suchalgorithmus gleichermaßen die Quelldaten sehen sollte, und die auf sie angewendeten Regeln, d. H. Jeder sollte sich in einem bestimmten homogenen Art von Datenspalte-Zugriff befinden. Das gleiche Prinzip nur des Gegenteils kann Regeln für die umgekehrte Umwandlung interner Regeln in externen Beschreibungen oder externen Programmen bestehen. Und auch ein Verständnis des Systems, das sie weiß, und was nicht ist - es ist möglich, bevor Sie die Antwort anfordern, fragen Sie, ob das Antwortsystem weiß - ja oder nicht.

Die Funktionen, von denen ich gesagt hat, ist tatsächlich nicht nur ein einziges Stück des Algorithmus, und kann aus einer Folge anderer Funktionen bestehen. Was wiederum das Verfahren nicht angerufen, sondern eine Folge von Transformationen, beispielsweise in Linux-Arbeit mit der Rohrleitung. Beispielsweise habe ich sofort die Vorhersage von Wörtern und Phrasen umgehend beschrieben. Aber was um eine Vorhersage von nur einem Symbol zu erhalten, auf diesen Satz, den Sie benötigen, um die Funktion dieses einzunehmen Symbols anzuwenden. Oder die Funktion lernte die Aufgaben auf Englisch und den TK in Russisch zu verstehen. Dann die russische Gebäude-\u003e translattnangal-\u003e Leistung des Kazagal-\u003e Ergebnisses.

Funktionen dürfen nicht in der Definition behoben werden, und als zusätzliche Informationen widmeln oder überschreiben, oder wenn die Bedingungen im Allgemeinen geändert werden, ist die Übersetzungsfunktion nicht endlich, und außerdem kann es sich im Laufe der Zeit ändern.

Auch auf Wahrscheinlichkeitsschätzungen beeinflusst die Wiederholbarkeit eines Satzes in verschiedenen Funktionen - bildet oder bestätigt die Typen.

Es ist auch notwendig zu erwähnen, dass es nicht wenige REAL-Sätze gibt, und nicht die Internetseiten, bestellt und möglicherweise kontinuierlich oder mit anderen Merkmalen von Sets, die irgendwie dieselben Wahrscheinlichkeiten verbessert.

Neben der sofortigen Messung der gefundenen Regeln in den Beispielen übernahm ich das Vorhandensein anderer Bewertungsmethoden, dass der Typ des Klassifizierers der Regeln. Und der Klassifizierer dieser Klassifizierer ist möglich.

Mehr Nuancen. Die Prognose besteht aus zwei Ebenen. Das Niveau der gefundenen Regeln und das Niveau der Suche nach neuen Regeln. Aber die Suche nach neuen Regeln im Wesentlichen das gleiche Programm mit seinen Kriterien. Und zugeben (obwohl es noch nicht nachgedacht hat), was leichter sein kann. Was nötig ist Null-Niveau, das nach möglichen Suchalgorithmen in all ihrer Vielfalt sucht, was wiederum die endgültigen Regeln erstellen wird. Und vielleicht ist es im Allgemeinen eine mehrstufige Rekursion oder ein Fraktal.

Lassen Sie uns zu den Managern von Markern zurückkehren. Infolge all dieser Begründung zum Algorithmus stellt sich heraus, dass wir durch diese Blackbox von dieser Black Box anfordern, um die Reihenfolge fortzusetzen und die Berechnung entsprechend der Funktion der Ähnlichkeit zu geben. Typ, um es zu tun, wie es vorher gezeigt wurde.

Es gibt eine andere Möglichkeit, die Funktion in diesem Mechanismus zu ermitteln - um eine Funktion durch die Definition zu geben. Beispielsweise:
Ins Englische übersetzen tisch tabelle
Auf die Frage antworten himmelsfarbe blau
Erstellen Sie ein TK-Programm ich möchte einen künstlichen Intellekt ...

Die Verwendung dieses Systems zur Lösung unserer Aufgaben ist der folgende Algorithmus. Wir erstellen eine Beschreibung der Definition einer speziellen Bezeichnung, um die Aufgaben zu beschreiben. Erstellen Sie dann eine Aufgabenbeschreibung und weisen Sie ihm eine neue Kennung zu. Wir erstellen eine Beschreibung der zulässigen Aktionen. Beispielsweise (obwohl nicht praktisch), werden die Prozessorbefehle direkt aus dem Internet beschrieben, und Manipulatoren, die durch Ports gesteuert werden können, können an den Computer angeschlossen werden. Und danach können wir das System fragen, dass Sie die folgende Aktion ausführen müssen, um sich der Aufgabe an die Lösung zu nähern, um sich auf die Aufgabe durch die Kennung zu beziehen. Und erneut bitten, ob keine zusätzlichen Informationen erforderlich ist, um weitere Informationen für die weitere Berechnung der Aktionen - Informationen über allgemeines Wissen oder für den aktuellen Stand der Lösung des Problems erforderlich zu sein. Und Zahlenanfragen für Aktionen und Informationsanfragen in einem externen Zyklus. Das gesamte Schema ist auf Textdefinitionen aufgebaut und kann daher durch Definition erhaltene Funktionen ausgeführt werden. Und der Ausgang ist nur Teams - die Frage des Textes der Texte verschwindet. Die Ausgabe des Maßstabs der erforderlichen Prognose wird nun nicht diskutiert - wenn es eine notwendige und ausreichende Funktionalität der Prognose gibt - sie sollte nach Logik arbeiten.

Wenn jemand in AI einen Weg sieht, um Probleme zu lösen, kann jedoch jeder Merkmal einer Person gesagt werden, dass menschliches Verhalten und Qualität auch berechnet und projiziert werden. In der Literatur gibt es genügend Beschreibungen einer bestimmten Eigenschaft. Und wenn wir also in dem System beschreiben, das wir von den Eigenschaften wünschen, wird es dann gemessen, um ihn zu emulieren. Und es wird entweder abstraktes gemitteltes Verhalten oder mit Bezug auf eine bestimmte Person reproduzieren. Nun, oder wenn Sie möchten, können Sie versuchen, den SuperMand zu starten - wenn Sie eine Definition angeben.

Sie können etwas vorhersagen, das nach einiger Zeit passiert. Objekte bewegen sich mit Geschwindigkeiten und Beschleunigungen und allerlei andere mögliche Änderungen von etwas mit der Zeit. Sie können den Platz vorhersagen. Zum Beispiel gehen Sie in einen unbekannten Raum, in dem es einen Tisch gibt, der eine der mit einem Blatt Papier bedeckten Ecken hat. Sie sehen diesen Winkel nicht, aber Sie können vorhersagen, vorherzusagen, dass es wahrscheinlich derselbe rechteckig ist, wie andere Winkel (und nicht abgerundet), und die Farbe dieses Winkels ist derselbe wie in anderen Ecken. Natürlich tritt die Vorhersage des Raums mit den Fehlern auf - plötzlich wird der Winkel des Tisches gesprüht, und es gibt Farbenfärbungen darauf. Aber auch prognostiziert temporäre Prozesse sind auch immer mit Fehlern. Die Beschleunigung des freien Falls auf der Erde ist nicht immer 9.81, sondern hängt von der Höhe über dem Meeresspiegel und von den nahe gelegenen Bergen ab. Und Messinstrumente, die Sie niemals absolut genau machen können. Jene. Die Vorhersage von Raum- und Zeitverfahren in der Zeit tritt immer mit den Fehlern auf, und verschiedene vorhergesagte Entitäten sind unterschiedliche Fehler. Aber das Wesentliche derselben - Algorithmen, die statistisch gefunden wurden.

Es stellt sich heraus, dass das Vorhersagen unseres Byte-Streams, es ist eine Art, Informationen vorhersagt. Es ist codiert und Raum und Zeit. Es gibt also etwas Struktur - lassen Sie es ein Stück des Programms. Dieses Programm des Programms ist der vorhergesagte Raum, der gleiche wie der Tisch. Eine Reihe von Regeln zur Vorhersage dieser Struktur bilden die Regeln dieser Struktur - so etwas reguläre Ausdrücke. Um die Struktur dieser Strukturen zu bestimmen, wird die Vorhersage nicht solider Wert berechnet, sondern ein Satz zulässiger Werte. Zum Zeitpunkt der Beschreibung des Algorithmus habe ich nicht über die separate Rolle der Strukturen realisiert, und daher fehlte es dort nicht. Das Hinzufügen dieser Eigenschaft wird jedoch ein vollständiges Verständnis des Bildes gebildet, und in der Zeit werde ich versuchen, neu zu schreiben. Bitte beachten Sie, dass unter den Strukturen bedingt erweiterbar ist - wenn eine solche Eigenschaft einen Wert eines solchen Werts aufweist, wird dann ein Paket von Eigenschaften hinzugefügt.

Im Allgemeinen wird alles, was in unserer Welt möglich ist, durch Typen, Strukturen, Umrechnungen und Prozesse beschrieben. Und all diese Eigenschaften gehorchen den Regeln, die sich als Ergebnis der Prognose befinden. Das Gehirn tut dasselbe, nur als nicht genaue Methoden, weil Es ist ein analoge Gerät.

Wird er gezielt nach Forschung suchen, ohne eine solche Aufgabe zu setzen? Nein, weil er keine eigenen Wünsche hat, aber nur die Aufgaben eingestellt. Was für die Umsetzung Ihrer eigenen Wünsche und Interessen verantwortlich ist, wird als Persönlichkeit bezeichnet. Sie können auch eine Person programmieren. Und ob es sich wie ein Mensch oder ein Computer analog handelt - aber es bleibt noch immer wahr.

Und unsere kreative Tätigkeit in der Kunst, dies sind die gleichen Studien, die nur von Entitäten suchen, die unsere Emotionen, Gefühle und Geist beeinflussen.

Die endgültige Anweisung für die Herstellung eines solchen Programms ist noch nicht. Es gibt viele Fragen und über den Algorithmus selbst und über die Verwendung (und über multivariate Texte). Im Laufe der Zeit werde ich die Beschreibung weiter angeben und detaillieren angeben.

Eine alternative Richtung zur Durchführung der Prognose ist die Verwendung von wiederkehrenden neuronalen Netzwerken (sagen das Netzwerk von ELMAN). In dieser Richtung ist es nicht notwendig, über die Art der Prognose nachzudenken, aber es gibt viele ihrer Schwierigkeiten und Nuancen. Wenn diese Richtung jedoch implementieren soll, bleibt der Rest der Verwendung gleich.

Schlussfolgerungen im Rahmen des Artikels:
1. Die Prognose ist ein Weg, um alle möglichen Algorithmen zu finden.
2. Mit der Manipulation der Prognoseeingabe können diese Algorithmen dort herausgezogen werden.
3. Diese Eigenschaft kann verwendet werden, um mit dem Computer zu sprechen.
4. Diese Eigenschaft kann verwendet werden, um alle Aufgaben zu lösen.
5. AI wird es sein, wie Sie es definieren, und nach der Ermittlung kann es als Aufgabe gelöst werden.

Einige werden sagen, dass Bruuthet, um ein Muster zu finden, übermäßig lang sein wird. Im Gegensatz dazu kann ich sagen, dass das Kind mehrere Jahre lang sprechen lernt. Wie viele Optionen können wir in wenigen Jahren berechnen? Gefundene und fertige Regeln werden schnell angewendet und für Computer viel schneller als eine Person. Aber die Suche nach Neu und dort und dort und dort lange Zeit, aber ob der Computer länger ist als eine Person, wir werden nicht erfahren, dass wir keinen solchen Algorithmus nehmen werden. Ich beobachte auch, dass Brutfors hervorragend paralleliert sind, und es wird Millionen von Enthusiasten geben, die ihre Heimkörper zu diesem Zweck enthalten. Und es stellt sich heraus, dass diese wenigen Jahre noch in eine Million aufgeteilt werden können. Und die von anderen Computern gefundenen Regeln werden im Gegensatz zu einem ähnlichen Prozess beim Menschen sofort untersucht.

Andere beginnen zu argumentieren, dass in den Gehirn-Milliardenzellen zur Parallelisierung abzielt. Dann ist die Frage, wie diese Billyonen involviert sind, wenn sie ohne ein Lehrbuch in Beispielen versuchen, eine Fremdsprache zu erkunden? Eine Person bleibt lange Zeit über Ausdrucke und schreiben Sie Korrelationswörter. Gleichzeitig ist ein Computer Packungen, um für einen Sekundenbruchteil zu tun.

Und die Analyse von Bildern - dvunt die zzglischen Billardkugeln und zählen, wie viele Kollisionen sein werden. (In der Nähe von Sound). Und zwei Dutzend oder drei ... und wo sind die Milliardenzellen hier?

Im Allgemeinen ist die Geschwindigkeit des Gehirns und seiner Multi-Paraplizität ein sehr umstrittener Problem.

Wenn Sie darüber nachdenken, einen denkenden Computer zu erstellen, kopieren Sie darauf, was eine Person während des gesamten Lebens gelernt hat, und versuchen Sie nicht, es zu verstehen, und was sind die Mechanismen, die es erlauben, sich aus dem Startprogramm anzunehmen - zum Shout und den Schlaf. Und diese Mechanismen basieren nicht auf den Axiomen der formalen Logik. Aber auf Mathematik und Statistiken.

PPS: Meine Meinung ist, dass die wissenschaftliche Definition des Begriffs "künstliche Intelligenz" nicht existiert. Es gibt nur wissenschaftliche Fiktion. Und wenn Sie eine Realität brauchen, sehen Sie in den Schlussfolgerungen zum Artikel S.5.

PPPS: Ich habe viele verschiedene Interpretationen viel später verstanden, nachdem er den Artikel geschrieben hatte. Zum Beispiel ist die Suche nach Abhängigkeitsfragen-Reaktion angenähert. Oder was sind genauere wissenschaftliche Definitionen, um die gewünschte Funktion aus den während der Suche nach Vorhersagungsfunktionen gefundenen Verteiler herauszuziehen. Für jeden kleinen Moment des Verständnisses ist es unmöglich, einen separaten Artikel zu schreiben, und alles ist im Allgemeinen unmöglich, da es nicht in einen Kopfzeilen kombiniert wird. Und all diese Verständnisse ergeben eine Antwort, wie Sie Antworten von Computer-Computing-Befugnissen auf gestellte Fragen erhalten, die Antworten, auf die Sie nicht immer in bestehenden Beschreibungen gelesen werden können, wie für das Watson-Projekt. Wie man ein Programm erstellt, das eine Erwähnung oder eine Fingerbewegung ist, versucht zu verstehen und zu tun, was sie von ihr wollen.

Manchmal wird ein solches Programm vorgenommen. Und sie nennen es ein anderes Gadget. Und nicht ai.

****
Quellen zu diesem Thema sowie die Weiterentwicklung der Ansicht finden Sie auf der Website

Wie ist es passiert, dass sich die künstliche Intelligenz erfolgreich entwickelt, und die "richtige" Definition ist immer noch nicht? Warum haben die Hoffnungen Neurocomputers zugewiesen, und was sind die drei Hauptaufgaben, die dem Schöpfer der künstlichen Intelligenz gegenüberstehen?

Diese und andere Fragen finden Sie eine Antwort in dem Artikel unter der Katze, die auf der Grundlage der Rede von Konstantin Anisimovich, Direktor der Abteilung ABBYY Technology Development, einem der führenden Experten des Landes auf dem Gebiet der künstlichen Intelligenz, geschrieben wurden.
Mit seiner persönlichen Teilnahme wurden Dokumentenerkennungs-Technologien erstellt, die in Produkten verwendet werden. ABBYY FINERREADER. Und ABBYY-Formreader. Konstantin sprach über die Geschichte und Grundlagen der Entwicklung von AI auf einem der Meisterkurse für Studenten des Mail.ru Technoparks. MATERIAL MASTER CLASS und ist zu einer Basis für den Artikeln von Artikeln geworden.

Insgesamt gibt es drei Beiträge im Zyklus:
Künstliche Intelligenz für Programmierer

Erhalten Sie Wissen: Ingenieurwissen und Maschinenausbildung

UPS und Downs der Ansätze in AI

Zurück seit den 1950er Jahren wurden zwei Ansätze im Bereich der künstlichen Intelligenz - symbolische Berechnungen und Connectivityismus ausgewählt. Symbolische Berechnungen sind eine Richtung, die auf der Modellierung des menschlichen Denkens basiert, und der Connectivityismus - beim Modellieren des Hirngeräts.

Die ersten Errungenschaften im Bereich symbolischer Berechnungen wurden in der 50er-Lisp-Sprache und der Arbeit von J. Robinson im Bereich der logischen Ausgabe erstellt. Der Verbindungsmittel war die Schaffung eines Perceptron - ein selbstlernender linearer Klassifizierer, der den Betrieb des Neurons simuliert. Weitere strahlende Erfolge waren hauptsächlich mit dem symbolischen Paradigma. Dies sind insbesondere die Werke von Seiimur Piperta und Robert Anton Winson auf dem Gebiet der Psychologie der Wahrnehmung und natürlich Marvin Minsk-Fohlen.

In den 70er Jahren erschien der erste anwendungssysteme.Verwenden von Elementen der künstlichen Intelligenz - Expert-Systeme. Dann gab es eine gewisse Renaissance von Connectivityismus mit dem Aufkommen von mehrschichtigen neuronalen Netzwerken und dem Algorithmus für ihr Lernen durch die Methode der Umkehrverteilung. In den 80er Jahren Hobby neuronale Netze Es schrieb nur. Anhänger dieses Ansatzes versprachen, Neurocomputer zu schaffen, die fast als menschliches Gehirn arbeiten werden.

Aber nichts Besonderes davon kam heraus, weil echte Neuronen viel komplizierter arrangiert sind als der formale, auf dem mehrschichtige neuronale Netzwerke basieren. Und die Anzahl der Neuronen im menschlichen Gehirn ist auch viel mehr, als sich das neuronale Netzwerk leisten könnte. Die Hauptsache, für die die mehrschichtigen neuronalen Netzwerke geeignet waren - dies ist die Lösung der Klassifizierung der Klassifizierung.

Das nächste populäre Paradigma auf dem Gebiet der künstlichen Intelligenz ist maschinell lernen. Der Ansatz begann sich seit den späten 80er Jahren schnell zu wachsen und verliert nicht die Popularität und so-in. Ein erheblicher Impuls für die Entwicklung des Maschinenlernens ergab die Entstehung des Internets und große Zahl Eine Vielzahl von leicht zugänglichen Daten, mit denen Algorithmen gelehrt werden können.

Hauptaufgaben im Design der künstlichen Intelligenz

Es kann analysiert werden, dass die Angehörigen, die sich auf künstliche Intelligenz beziehen, analysiert werden können. Es ist leicht zu sehen, dass der allgemeine in ihnen das Fehlen eines bekannten, klar definierten Lösungsprozesses ist. In der Tat unterscheiden sich die Aufgaben, die zu AI gehören, von den Aufgaben der Theorie der Zusammenstellung oder der Berechnung der Mathematik. Intelligente Systeme suchen nach suboptimalen Problemlösungen. Es ist unmöglich zu beweisen, dass die von künstliche Intelligenz gefundene Lösung streng optimal ist. In den meisten praktischsten Problemen sind jedoch sub-optimale Lösungen alle angeordnet. Darüber hinaus muss daran erinnert werden, dass die Person die Aufgabe fast nie optimal löst. Eher im Gegenteil.

Es gibt eine sehr wichtige Frage: Wie kann AI die Aufgabe löst, für die es keinen Lösungsalgorithmus gibt? Die Essenz ist es, auf dieselbe Weise wie eine Person zu tun - um die plausiblen Hypothesen vorzulegen und zu überprüfen. Natürlich ist das Wissen für die Nominierung und Überprüfung der Hypothesen erforderlich.

Wissen ist eine Beschreibung des Themenbereichs, in dem das intelligente System funktioniert. Wenn wir das Erkennungssystem der Symbole der natürlichen Sprache haben, enthält das Wissen Beschreibungen des Zeichengeräts, der Struktur des Textes und der bestimmten Eigenschaften der Sprache. Wenn dies ein System zur Beurteilung der Kreditwürdigkeit des Kunden ist, sollte er Kenntnis von Kundentypen und Kenntnis haben, wie das Profil des Kunden mit seinem potenziellen Nichtlimit verbunden ist. Wissen sind zwei Arten - über den Themenbereich und die Suche nach Lösungen (Metabaiken).

Die Hauptaufgaben des Designs des intellektuellen Systems werden auf die Auswahl der Möglichkeiten reduziert, Wissen zu präsentieren, Möglichkeiten, Wissen und Wege zum Anwenden von Wissen zu erhalten.

Präsentation des Wissens.

Es gibt zwei wichtige Möglichkeiten, Wissen - deklarativ und prozedural zu präsentieren. Deklaratives Wissen Kann in strukturierter oder in einer unstrukturierten Form dargestellt werden. Strukturierte Ansichten sind eine oder eine andere Sorte eines Rahmenansatzes. Semantische Netzwerke oder formale Grammatik, die auch als Sorten von Frames betrachtet werden können. Wissen in diesem Formalismus werden in Form einer Vielzahl von Objekten und Beziehungen zwischen ihnen dargestellt.

Unstrukturierte Ansichten werden in der Regel in den Bereichen verwendet, die mit Lösungsklassifizierungsaufgaben verbunden sind. Dies ist in der Regel Vektoren von Schätzungen von Gewichtskoeffizienten, Wahrscheinlichkeiten und dergleichen.

Fast alle Methoden der strukturierten Präsentation des Wissens basieren auf dem Rahmenformalismus, der in den 1970er Jahren Marvin Minsk von MIT eingeführt hat, um die Wissensstruktur für die Wahrnehmung von räumlichen Szenen zu benennen. Wie es sich herausstellte, eignet sich dieser Ansatz für fast jede Aufgabe.

Der Rahmen besteht aus einem Namen und einzelnen Einheiten, die als Slots genannt werden. Die Bedeutung des Schlitzes kann wiederum die Verbindung zu einem anderen Rahmen ... Rahmen kann ein Nachkomme eines anderen Rahmens sein, der die Schlitzwerte ergnet. In diesem Fall kann der Nachkomme die Werte der Ahnenschlitze überschreiben und neue hinzufügen. Vererbung wird verwendet, um eine Beschreibung kompakter zu machen und Vervielfältigung zu vermeiden.

Es ist leicht zu sehen, dass es eine Ähnlichkeit zwischen den Frames und der objektorientierten Programmierung gibt, wobei der Rahmen dem Objekt entspricht, und der Slot ist das Feld. Die Ähnlichkeit ist nicht zufällig, da die Frames eine der Quellen des Oops waren. Insbesondere eine der ersten objektorientierten kleinen Talk-Sprachen implementierte praktisch Rahmenrepräsentationen von Objekten und Klassen.

Zum verfahrensdarstellung. Wissen werden Produkte oder Produktregeln verwendet. Das Produktmodell ist ein Modell, das auf den Regeln basiert, die Kenntnisse in Form von Vorschlägen "Bedingung - Action" ermöglichen. Dieser Ansatz war früher beliebt in verschiedene Systeme Diagnose. Es ist ganz natürlich in der Form der Bedingung, Symptome, Problemen, Probleme oder Fehlfunktionen zu beschreiben, und in Form von Handeln - eine mögliche Fehlfunktion, die zur Anwesenheit dieser Symptome führt.

Im nächsten Artikel sprechen wir darüber, wie Sie Wissen anwenden können.

Referenzliste.

John Alan Robinson. Eine maschinenorientierte Logik basierend auf dem Auflösungsprinzip. Kommunikation der ACM, 5: 23-41, 1965.
Seymour Papert, Marvin Minsky. Perceptrons. Mit Presse, 1969
Russell, Norvig. Künstliche Intelligenz: ein moderner Ansatz.
Simon Heukin. Neuronale Netzwerke: Eine komplettes Fundament.
Nils J. Nilsson. Künstliche Intelligenz: Eine neue Synthese.

Diese und andere Fragen finden Sie eine Antwort in dem Artikel unter der Katze, die auf der Grundlage der Rede von Konstantin Anisimovich, Direktor der Abteilung ABBYY Technology Development, einem der führenden Experten des Landes auf dem Gebiet der künstlichen Intelligenz, geschrieben wurden.
Mit seiner persönlichen Teilnahme wurden Dokumentenerkennungstechnologien erstellt, die in ABBYY FINERREADER und ABBYY FORMREADER-Produkten verwendet werden. Konstantin sprach über die Geschichte und Grundlagen der Entwicklung von AI auf einem der Meisterkurse für Studenten des Mail.ru Technoparks. MATERIAL MASTER CLASS und ist zu einer Basis für den Artikeln von Artikeln geworden.

Insgesamt gibt es drei Beiträge im Zyklus:

Wissensanwendung: Räumliche Suchalgorithmen
Erhalt des Wissens: Design von intelligenten Systemen und Machine lernen

UPS und Downs der Ansätze in AI

In den 70er Jahren erschienen erste Anwendungssysteme mit Elementen von künstlichen Intelligenz - Expert-Systeme. Dann gab es eine gewisse Renaissance von Connectivityismus mit dem Aufkommen von mehrschichtigen neuronalen Netzwerken und dem Algorithmus für ihr Lernen durch die Methode der Umkehrverteilung. In den 80er Jahren wurde die Leidenschaft für neuronale Netzwerke einfach geschaffen. Anhänger dieses Ansatzes versprachen, Neurocomputer zu schaffen, die fast als menschliches Gehirn arbeiten werden.

Das nächste populäre Paradigma auf dem Gebiet der künstlichen Intelligenz ist maschinell lernen. Der Ansatz begann sich seit den späten 80er Jahren schnell zu wachsen und verliert nicht die Popularität und so-in. Ein erheblicher Impuls für die Entwicklung des Maschinenlernens ergab das Aufkommen des Internets und eine große Anzahl von vielfältigen leicht zugänglichen Daten, die zur Untersuchung von Algorithmen verwendet werden können.

Hauptaufgaben im Design der künstlichen Intelligenz

Präsentation des Wissens.

Es gibt zwei wichtige Möglichkeiten, Wissen - deklarativ und prozedural zu präsentieren. Deklaratives Wissen Kann in strukturierter oder in einer unstrukturierten Form dargestellt werden. Strukturierte Ansichten sind eine oder eine andere Sorte eines Rahmenansatzes. Nämlich Frames oder formale Grammatik, die auch als Sorten von Frames betrachtet werden können. Wissen in diesem Formalismus werden in Form einer Vielzahl von Objekten und Beziehungen zwischen ihnen dargestellt.

Zum verfahrensdarstellung. Wissen werden Produkte oder Produktregeln verwendet. Das Produktmodell ist ein Modell, das auf den Regeln basiert, die Kenntnisse in Form von Vorschlägen "Bedingung - Action" ermöglichen. Dieser Ansatz war früher in verschiedenen Diagnosesystemen beliebt. Es ist ganz natürlich in der Form der Bedingung, Symptome, Problemen, Probleme oder Fehlfunktionen zu beschreiben, und in Form von Handeln - eine mögliche Fehlfunktion, die zur Anwesenheit dieser Symptome führt.

Im nächsten Artikel sprechen wir darüber, wie Sie Wissen anwenden können.

Referenzliste.

John Alan Robinson. Eine maschinenorientierte Logik basierend auf dem Auflösungsprinzip. Kommunikation der ACM, 5: 23-41, 1965.
Seymour Papert, Marvin Minsky. Perceptrons. Mit Presse, 1969
Russell, Norvig. Künstliche Intelligenz: ein moderner Ansatz.
Simon Heukin. Neuronale Netzwerke: Eine komplettes Fundament.
Nils J. Nilsson. Künstliche Intelligenz: Eine neue Synthese.

Ich starte eine Reihe von Publikationen, die dem Problem der Programmierung künstlicher Intelligenz gewidmet ist. Der Zweck dieses Zyklus besteht darin, zu zeigen, wie (im Sinne allgemeiner Prinzipien) programmierende künstliche Intelligenz ausgeführt wird.

Das Konzept der "künstlichen Intelligenz" trat irgendwo an der Beginn der Computertechnologie auf. Trotz des ehrenwerten Alters hat dieser Begriff keine genaue Definition und verstanden immer in einem intuitiven Sinne. In der Regel wird gesagt, dass der Bereich der künstlichen Intelligenz diese Aufgaben umfasst, die noch eine Person haben, die noch besser löst als ein Computer. Somit ändert sich der im Rahmen der künstlichen Intelligenz gelösten Probleme ständig. Vor ein paar Jahren hat das EUM-Spiel vor einigen Jahren in Schach trainiert, das Vorrecht von AI (von der englischen künstlichen Intelligenz - künstliche Intelligenz), aber heute glauben immer mehr Spezialisten, dass das Schachspiel kein Problem mehr ist künstliche Intelligenz. Heute sind die wichtigsten Probleme, die unter der AI gelöst wurden, annähernd folgenderig: Bauen von Expert-Systemen, die Suchaufgaben lösen, in dem die vollständige Büste der Optionen theoretisch unmöglich ist (einschließlich Programmierspiele), der Modellierung biologischer Formen, der Bilderkennung. Die grundlegenden Prinzipien der Lösung all dieser Aufgaben wurden zu Beginn der siebziger Jahre zurückgelegt, aber aufgrund der Tatsache, dass die Aufgaben von AI sehr ressourcenintensiv sind, erhielten sie diese Entwicklung nur heute.

Um die Tasks AI zu lösen, wurden zu Beginn des siebziger Jahren zwei spezifische Programmiersprachen erstellt - PROG (PROGOG) und Lisp (Lisp). Der moderne Entwickler künstlicher Intelligenz sollte jeden von ihnen frei besitzen. Als nächstes konzentrieren wir uns auf das charakteristischste ihrer Funktionen.

Historisch ist Lisp mehr alt. Das Konzept, das es darstellt, wird als funktionale Programmierung bezeichnet, es ist eine direkte Fortsetzung eines herkömmlichen algorithmischen Ansatzes. Das LISP-Programm ist eine Funktion, das Ergebnis der Berechnung davon ist das Ergebnis des Programms, und die Argumente sind meistens andere Funktionen. Aufgrund von objektiven Gründen wird eine dumme Aufnahme in lispförmig angelegten Funktionen angenommen, der Aufruf an jede Funktion wird mit der Liste durchgeführt, dessen erste Element der Name der Funktion ist, und alle anderen Elemente sind Argumente. Beispielsweise kann der Zusatz von zwei Zahlen A und B so aussehen: (Fügen Sie A b), der Zugabe der drei Zahlen ist wie folgt: (Fügen Sie A hinzu (Hinzufügen B C)). Das wichtigste Merkmal des LISP ist, dass der ADD-ABB-Datensatz nicht nur eine Liste von als Funktionsaufruf sein kann, sondern auch eine Liste als Datenelement, das drei Komponenten enthält - Add ADD, A- und B.-Entscheidung auf einer Liste der als Daten Es sollte verwendet werden, oder es muss interpretiert werden, da der Lisp vom Programm selbst akzeptiert werden kann. Somit kann das Programm seinen eigenen Code ändern, der für AI-Anwendungen äußerst wichtig ist.

Der Prolog ist für mich interessanter als Lisp, da er einen Ansatz zur Programmierung verwendet, grundsätzlich von algorithmischem und genanntem Ziel oder deklarativer Programmierung unterscheidet. Mit der algorithmischen Programmierung setzen wir eine Folge von Aktionen ein, die das Programm ausführen soll, d. H. Beschreiben Sie, wie es funktionieren sollte. Mit deklarativer Programmierung beschreiben wir, dass das Programm dies tun sollte und wie diese Maßnahmen implementiert werden - der Fall des Prologsystems. Betrachten Sie eine typische Prolog-Task - die Definition, in der verwandte Beziehungen diese oder andere Personen sind. Als Quelle wählen wir das Verhältnis des übergeordneten Elternteils (x, y) aus, wodurch, dass x das Elternteil y ist, und die Beziehung ist ein Mann (X) und eine Frau (x), die die Persönlichkeit des Gesichts an einen von die Böden. Dann können die Quelldaten für das Programm so aussehen.

mann (Sergey). Frau (Tamara). Männlich (Semyon). Frau (Lyudmila). Mann (Paul).

elternteil (Sergey, Samen). Elternteil (Tamara, Samen). Elternteil (Samen, Paul).

elternteil (Lyudmila, Pavel)

Wie Sie sehen, ist dies eine kleine Datenbank, die natürlich einen genealogischen Baum darstellt. Jede der Ausdrücke darin ist eine Behauptung, im Prolog, in dem solchen Aussagen Tatsachen genannt werden. Die Basis kann leicht erweitert werden.

Jetzt stellen wir die Ausführung des Großvaters (x, y) ein, der bezeichnet, ob x Großvater Y ist. Wir verwenden zwei Prozesse-Symbole - das Komma im nächsten Datensatz zeigt ein logisches und ein Symbol an: - Zeigt an, ob.

großvater (x, y): - Elternteil (x, z), Elternteil (Z, Y), Mann (x).

Dieser bedingte Datensatz ist das gleiche Element der Datenbank sowie Fakten, im Prolog, werden solche Elemente als Regeln bezeichnet.

In der Tat kann das Prolog-Programm, das wir schrieb, viel tun (es wird sicherlich diejenigen überraschen, die nur mit algorithmischer Programmierung vertraut waren). Nach dem Starten ergibt das Prolog-System eine Anforderung, die Frage einzugeben. Um zu beginnen, stellen wir den Großvater (X, Paul) (in Russisch) ein, so dass diese Frage so klingt: "Wer ist der Großvater Paul?"), Wird das System x \u003d Sergey geben. Jetzt fragen Sie den Großvater (Tamara, Paul) ("ist Tamaras Großvater von Pavel?"). Wir erhalten die Antwort nein (nein). Sie können den Elternteil (X, _) fragen (wie auf dem Prolog _ zeigt an, dass der Wert dieses Elements für uns nicht wichtig ist, dann klingt dieser Eintrag in Russisch, als "Wer ist jemand anderes Elternteil?"). Wir erhalten x \u003d Sergey, X \u003d Tamara, X \u003d Samen, X \u003d Lyudmila. Dies ist ein Kreis von Fragen, die von unserem Programm weit davon entfernt werden können, erschöpft zu sein.

Wie Sie sehen können, ist der Prolog in den Aufgaben, die mit der Aufgabe der Beziehungen zwischen Objekten verbunden sind, viel stärker als die algorithmischen Sprachen der Art von Pascal oder C. Wenn Sie dazu hinzufügen, dass die Prolog-Datenbank (mit Fakten und Regeln) während der Ausführung des Programms oder des Benutzers selbst dynamisch geändert werden kann, wird klar, wie viel der Prolog für die Entwicklung auf dem Gebiet der künstlichen Intelligenz nützlich ist.

Wenn der Leser an Lisp und Prolog interessiert ist, kann er sie auf ihren eigenen Sprachen erkunden - sehr einfach sind. Ich werde in späteren Publikationen nicht in sprachlichen Fragen aufhören, um zu versuchen, nur auf grundlegende Methoden zur Programmierung im AI-Feld aufzuweichen.

Denis Margolin.
[E-Mail geschützt]

Drucken

Auch interessant:

Welches Netzteil ist von modernen Spiel-PC-CPU-Stromverbindern erforderlich?

Warum der Computer nicht einschaltet und wie Sie feststellen sollen, was pleite

Warum nicht einen Laptop starten, was soll ich tun?

Wir empfehlen das Lesen:

2021-05-23 11:48:12

HP Laptop nach dem Update lässt sich nicht einschalten

2021-05-23 11:48:12

Was tun, wenn Windows 8 nicht startet

2021-05-23 11:48:12

Warum das Ladegerät beim Laden des Telefons erhitzt wird

Fortsetzung des Themas:

Smartphone

Sollte AHCI für SSD enthalten sein?

Konfigurieren und aktivieren Sie einen speziellen AHCI-Modus, der vorzugsweise jedem Benutzer, der erheblich erweitern möchte, und gleichzeitig die Fähigkeiten Ihres PCs zur Arbeit mit ...