人工知能を作成するための知られていない言語。どのプログラミング言語が人工知能を開発するための言語で

どうして起こったのか人工知能正常に開発され、「正しい」定義はまだではありませんか？なぜ希望がニューロコンピュータに割り当てられたのはなぜ、人工知能の創造主に直面している3つの主な仕事は何ですか？

人工知能の分野の国の主導的な専門家の1つである、Abbyy Technology Development Development部長のKonstantin Anisimovichによるスピーチに基づいて、猫の下の記事で答えを見つけるでしょう。
彼の個人的な参加で、製品で使用されている文書認識技術が作成されました。 Abbyy FineReader。 Abbyy Formreader。 Konstantinは、Mail.ru Technoparkの学生のためのマスタークラスの1つにAIの開発の歴史と基本について話しました。材料マスタークラスと記事のサイクルのための拠点となっています。

合計で、サイクルに3つの投稿があります。
プログラマーの人工知能
知識アプリケーション：検索スペースアルゴリズム
知識を受け取る：工学的知識と機械訓練

AIにおけるアプローチのUPSと停止

1950年代以来、人工知能の分野で2つのアプローチが選択されました - シンボリック計算と接続性象徴的な計算は、脳装置のモデル化時の人間の思考のモデル化、および接続性に基づく方向です。

シンボリック計算の分野における最初の成果は、論理出力の分野における50S LISP言語およびJ. Robinsonの作品で作成されました。コネクション主義は、ニューロンの操作をシミュレートする自己学習線形分類器の創造でした。さらに明るい成果は主に象徴的なパラダイムと一致していました。特に、これらは、認識心理学の分野におけるSeimur PipertaとRobert Anton Winsonの作品であり、もちろん、Marvin Minskは解放されます。

70年代には、最初に出現しましたアプリケーションシステム人工知能の要素 - エキスパートシステム。次に、多層ニューラルネットワークの出現と逆の分布の方法によるそれらの学習のためのアルゴリズムとの接続性のある種のルネサンスがあった。 80年代、趣味ニューラルネットワークそれはただ書くことでした。このアプローチの支持者は、ほぼ人間の脳として働くことになるニューロコンピュータを作成することを約束しました。

しかし実際のニューロンは、多層ニューラルネットワークが基づいている形式よりもはるかに複雑になっているため、これからは特別なものは何もありません。そして、人間の脳内のニューロンの数も、ニューラルネットワークで買うことができる以上のものです。多層ニューラルネットワークが適切な主なもの - これは分類のタスクの解決策です。

人工知能の分野で次の人気のパラダイムは機械学習になりました。このアプローチは80年代後半から急速に成長し始め、人気やそのほどのものを失いませんでした。機械学習の発展のための重要な推進力はインターネットの出現を与えました多数アルゴリズムを教えるために使用できるさまざまなアクセス可能なデータ。

人工知能の設計における主な課題

人工知能に関する親戚が分析できることを分析することができます。それらの一般的な一般的な、明確に定義された解決策手順の欠如であることはわかりやすいです。これは、実際には、AIに属するタスクは、コンパイルまたはコンピューティング数学の理論のタスクとは異なる。インテリジェントシステムは、最適な問題解決を探しています。人工知能によって発見された解決策が厳密に最適であることを証明したりガレージやガレージをすることは不可能です。それにもかかわらず、ほとんどの実用的な問題では、サブ最適な解決策がすべて配置されています。さらに、その人が最適に仕事を解決することはほとんど決して解決することを忘れないでください。むしろ、反対に。

非常に重要な質問があります：どのようにAIがソリューションアルゴリズムがないタスクをどのように解決するか？本質は、人と同じ方法でそれをすることです - 前向きな仮説を掲げるために。当然のことながら、推薦に必要な知識が必要です。

知識は、インテリジェントなシステムが機能する件名領域の説明です。自然言語のシンボルの認識システムがある場合、その知識には、文字装置、テキストの構造、およびその言語の特定のプロパティの説明が含まれています。これがクライアントの信用力を評価するためのシステムである場合、それは顧客の種類に関する知識とクライアントのプロファイルがその潜在的な非限界にどのように関連しているかについての知識を持っているべきです。知識は2つのタイプです - 対象地域とソリューションの検索（メタバシス）。

知的システムのデザインの主な課題は、知識を提示する方法、知識を適用する方法を得る方法の選択に減少します。

知識の提示

知識を提示する主な方法があります - 宣言と手続き型。 宣言的な知識 構造化されていない形で表現することができます。構造化視点は、フレームアプローチの1つ以上の様々なさまざまなものです。セマンティックネットワークまたは正式な文法。また、それはまたさまざまなフレームと見なすことができます。これらの形式主義における知識は、それらの間の様々な目的と関係の形で提示されています。

構造化されていないビューは通常、分類タスクの解決に関連する領域で使用されます。これは通常、重量係数、確率などの推定値のベクトルです。

1970年には、空間シーンの認識のための知識構造を指定するために、1970年代にMarvin Minskが導入されたフレーム形式に基づいています。それが判明したように、このアプローチはほとんどすべてのタスクに適しています。

フレームはスロットと呼ばれる名前と個々の単位で構成されています。スロットの意味は、次に、他のフレームへのリンクが他のフレームの子孫になり、スロット値を継承することができる。この場合、子孫は先祖スロットの値を上書きして新しいものを追加することができます。継承は、説明をよりコンパクトにするために使用され、重複を回避します。

フレームとオブジェクト指向プログラミングとの間に類似性があることがわかり、フレームはオブジェクトに対応し、スロットはフィールドである。フレームはOOPのソースの1つであるため、類似性はランダムです。特に、最初のオブジェクト指向の小さい話の1つは、オブジェクトやクラスのフレーム表現を実質的に実装しました。

にとって 手続き上の表現 知識は製品または製品の規則を使用しています。製品モデルは、提案の形での知識を「条件 - アクション」の形で許可する規則に基づくモデルです。このアプローチは普及していましたさまざまなシステム診断症状、問題または誤動作、および行動の形で、これらの症状の存在をもたらす可能性のある故障を説明するという条件の形では非常に自然です。

次の記事では、知識を適用する方法について説明します。

書誌

ジョンアランロビンソン。解像度原理に基づく機械指向論理 ACM、5：23-41,1965の通信。
Seymour Papert、Marvin Minsky。パーセプトロン。 Mit Press、1969年
ラッセル、ノルビヒ。人工知能：現代のアプローチ
Simon Haykin。ニューラルネットワーク複合財団
Nils J. Nilsson。人工知能：新しい合成

人工知能を作成するプロセスは、一見して、それはかなり難しい職業のようです。 AIのこれらの美しい例を見て、あなたは何を作成するべきか理解することができます興味深いプログラムあなたはできる。目的に応じて、さまざまなレベルの知識が必要です。いくつかのプロジェクトはAIの深い知識を必要としています、他のプロジェクトはプログラミング言語の知識のみを必要としますが、主な質問はプログラマーに直面しています。 人工知能をプログラムすることを選択する言語は？ これはAIの言語のリストです。これは便利です。

舌足らずの発音

人工知能を作成するために使用された最初のコンピュータ言語 - Lisp。この言語はかなり柔軟で拡張可能です。高速プロトタイピングやマクロなどの機能は、AIを作成するのに非常に便利です。 Lispは複雑なタスクを単純に変える言語です。強力なオブジェクト指向システムは、人工知能のための最も一般的なプログラミング言語の1つをLispにします。

Java。

この多機能言語の主な利点は、透明度、携帯性、および護衛の利便性です。 Java言語のもう一つの利点は普遍性です。あなたが初心者であるならば、あなたはインターネット上で何百ものビデオチュートリアルがあるという事実を作ります、それはあなたの学習をより簡単かつ効率的にするでしょう。

Javaの主な機能は次のとおりです。簡単なデバッグ、ユーザとの良好な対話、大きなプロジェクトでの作業のシンプルさ。 Java言語を使用して作成されたプロジェクトには、魅力的でシンプルなインターフェースがあります。

プロローグ

これはインタラクティブなシンボルプログラミング言語ですが、ロジックを必要とするプロジェクトで人気があります。強力で柔軟な基礎を持つ、それは数値以外のプログラミング、定理の証拠、自然言語の処理、エキスパートシステム、そして人工知能を全体として広く使用されています。

プロローグは正式なロジックを持つ宣言的な言語です。人工知能の開発者は、高レベルの抽象化、内蔵の検索エンジン、非決定論などを鑑賞しています。

Python.

Python - その純粋な文法と構文、心地よいデザインのためにプログラマーによって広く使用されています。異なるデータ構造、テストフレームワークの山、比率高いレベル人工知能のための最も人気のあるプログラミング言語の1つをPythonにする低いプログラミングレベル。

開発の歴史II

AIとプログラミング言語の間の接続を見るために、AIの履歴の中で最も重要なイベントを検討しましょう。電子ロボットが世界展示会で発表された1939年に開始されました。次のロボットは1951年、エドムンドバークレーに建てられました。

Robbobロボットは1956年に建てられました。残念ながら、それがどのように設計されたかについての情報はありません。 1958年に、Lispプログラミング言語が発明されました。この言語は60年前に開発されましたが、それでも多くの人工知能プログラムの主な言語です。

1961年に、団地が建設されました。これは腫瘤が生まれた最初の産業用ロボットです。このロボットは一般的なモーターで製造ラインに取り組んでいました。団地の製造のために、科学者はアセンブラー変数を弁を使用しました。この言語は、単純なフレーズ、モニタコマンド、および説明を必要としない指示で構成されています。

人工知能樹枝のシステムは1965年に建てられました。それは有機化合物の分子構造を容易に決定するのを助けた。このシステムはLispyに書かれました。

1966年、Weizenbaumは最初の仮想対話者であるElizaを作成しました。最も有名なモデルの1つは医者と呼ばれ、彼は心理療法士のスタイルで質問に答えました。このボットは、機器のサンプルを比較するときに実装されました。 Elzaの最初のバージョンがスリップ上に書かれ、言語の処理リストはWeizenbaumによって開発されました。その後、彼のバージョンの1つはLispyに書き直されました。

Lispyでプログラムされた最初の移動ロボットはシェキでした。ガスケットやセンサーのプログラムのタスクを解決するために、首が動かれ、点灯し、上下に登ってドアを開け、ドアを閉め、アイテムを動かしました。シェイキは1時間あたり5 kmの速度で移動しました。

今後15年間で、世界は多くの素晴らしい発明を見ました。

2003年に、iRobotはROOMBA掃除機を発明しました。 Lispyで設計されたこの自律掃除機は、特定のアルゴリズムを使用して床を洗います。彼は障害物を発見し、それらを回避します。

そして、どのプログラミング言語を使ってAIを使ってプログラムを開発しますか？コメントやVKontakteグループの中であなたの仕事について書いてください。

予定。

1.はじめに。

思考現象。

人工知能の作成。

3.1機械的アプローチ

3.2電子アプローチ

3.3サイバーアプローチ

3.4ニューラルアプローチ

3.5ペレクトロンの外観。

4.結論。

参考文献

1.はじめに。

現代の哲学者と科学の研究者は、20世紀に再営業している成果の1つとして学際的な科学を検討します。

人工知能と人工生活は、多くの科学分野のそのような統合の優れた例を提示します。

残念ながら、私たちは研究の一般的な方向をスケジュールすることができるように、人生は複雑すぎる。証明は、「生きているシステムの現象を示すシステム」の研究に興味があるという事実であり、他の人は化学的繁殖の性質を探るか、自己知識の哲学的問題を解決しようとします。

「人工知能」の概念は異なる意味を投資しています - を備えたコンピュータの知性の認識からソフトウェア製品人が実行したタスクの複合体全体を解決するシステムのみに知的に属性に属するテキストとスピーチの認識。

多くのタスクを解くときの人工知能の理論定義された問題。そのような問題の1つは、理論的に（数学的に）人工知能の不可能であるか不可能であるかどうか、または人工知能の不可能であるかどうかを調べることです。

このスコアには2つの観点があります。数学的に証明されているのは、原則的にコンピュータが自然知能によって実行される機能を実行できることを数学的に証明します。他の人は、同じ範囲で、根本的にコンピュータが利用できない人間の知性によって解決される問題があることが同じ程度であると信じています。これらの見解は、サイバネティックスと哲学者として表現されています。多くの問題の1つ（主なものは主なものと言うことができる）は、精神を持つシステムは、それらが生物学的ニーズに固有のものであるという事実によってコンピューターとは異なるということです。

外界の反映はこれらのニーズのプリズムを通過します。これは精神システムの活動によって表現されます。コンピュータには必要なニーズがない、情報は無関係です。生物学的ニーズの層の上の人は社会的ニーズによって排出され、そして彼のための情報は生物学的に重要ではありません。しかしながら、技術システムはまだ身体組織の類似体を有することができる。開発されたサイバネティックシステムは受容体およびエフェクターの付属物を持っています。実際には、この用語の屋根の下では、人工生活はDNAコピーモデルとシステムからさまざまなプロジェクトの壮大なさまざまなプロジェクトを入れ子にします。フィードバック集団的な心と人口成長力学を研究する前。

思考現象。

車はすでに詩を置く方法、音楽を作曲し、絵画を描く方法を学びました。おそらく誰かが彼らの知性の未然の兆候です。結局のところ、コンピュータが常に高い知性の財産と見なされてきた創造性が利用可能な場合は、心を拒否するのが公平ですか？

それにもかかわらず、私たちのほとんどは、絵を考慮してコンピュータの思考の詩を構成することにほとんど同意しません。それでも考えと呼ばれるべきこと？（2）

科学からのはるかに最新のサイバネティック機器がどのようにすることができるかを想像するのが難しいです。それは、その記憶で利用可能な情報に基づいて、患者の状態を分析し、技術的プロセスのプロセスを分析し、アドバイスを与える、アドバイス、ある状況に登録する方法、アドバイスを与えることは、いわゆる「エキスパートシステム」について言及する価値がある。。同時に、コンピュータはその決定を報告するだけでなく、それがそうであるべきかについても説明します。電子メモリと比較して、大部分の人々が今日コンピュータのイメージで関連付けられているアーカイブリファレンスと数学的計算と比較して、これは利用可能な新しい知識に基づいて新しい知識が生み出されるとき、これは知的活動の定性的に新しい段階です。これまで、それは人間の脳の否定的な特権と見なされました。最初にそのようなシステムと会う人が、単に「鉄のコンピュータ」を扱っているとは限らず、オペレータ人がどこかに隠されていないとは限らないことが多いことは驚くべきことではありません。

コンピュータが数学的計算を実行する能力を実行します。これは、まだ最近、人間の精神的な活動の最高ステップの1つとして考えられています。それが簡単にコンピュータ、Libnits、優れた数学者、優れた数学者、「Spiritual Ambphians」と呼ばれる複雑な数字、そして彼の「ロシア語の演説」の「ロシア語」の詩人odoevskyは私達の能力について書いたいくつかの考えやすい、ほとんどの神秘的な施設について計算するには：すべての数学的プロセスで、他の誰かが私たちのクリーチャーによってどのように参加しているか、他の誰かがどのように参加しているか、考え、計算し、そしてその間、私たちの真の生き物はそれがどのように行動を止めるのかに関係なく奇妙なことの場合と同様に、このプロセスに参加していないものは、それ自身の食べ物を待っています、すなわちそれとこのプロセスとの間に存在しているべき接続と、この接続は見つけられませんでした。」

私たちのコンピュータの計算能力について学んだOroevskyに驚いているのでしょうか。それにもかかわらず、私たちは彼らが考えるとは考えていません。

「スキル」がどのように顕著であっても、あらゆるコンピューティングマシンは、プログラムや入ってくる外部データに基づいて事前に機能します。私たちの行動が私たちの遺伝的プログラムによってほぼ完全に決定されている場合、私たちの人々は、特に人生の最初の月には特定の行動プログラムを実行します。しかし、基本的な違いは、人がやる気を起こさせることができること、すなわち特定の条件に応じて、プログラムを変更し、サラの間にそれを行う新しいプログラム連続論理橋はありません。それが起こるように、それはまだ明確ではなく、多くの紛争とさまざまな観点がありますが、これはもう一つの質問です、現代のコンピューティングマシンがこの財産を持っていないことが重要です。今、それが起こったのであれば、電磁界と量子力学に関する課題を言うことを決定し、これらの2つの科学を統合し、量子電気力学の方程式をもたらし、そして彼らの助けを借りて、彼らの助けを与えたことを決定したいくつかの種類のコンピュータがありました。彼女の早くに、それからおそらく、私たちは彼女の考えを呼ぶ権利になるでしょう。そして、まず第一に、彼女はプログラムのプロンプトなしで、定性的に新しいタスクを実行することを決めました。「決定された」という言葉は、彼女が考えることを意味します。

知的課題は、目標を達成するための方法の検索であり、そうでなければ問題を解決することはなく、単に正確な命令に従って行動によって行われます。

学校ボイがタスクを解決すると、それはまず最初にこれのために式を取るべきことを理解するべきであることを意味します。これは数字の数です。ただし、隣人のノートブックを検索すると、ボード上に書かれた式で書かれた式を置き換え、もはや解決策ではなく、機械的な繰り返しです。これはモダンなコンピュータの振る舞いです。厳密に言えば、彼らはどんな仕事も解決しない、そして私達によってよく使われる「EUM」の表現は条件付きの意味を持っています...

その解決策に課題と自己進歩を遂げる能力は、思考の現象を特徴付ける主なものです。

獲物を追求した魚やプリミティブアモザも具体的な条件に応じて変化する課題を課すことに注意してください。

1つの本能での様々な種類の動物の行動を説明することは仮説です。（2）

動物や鳥は、一般化する能力として考えるというそのような性質に固有のものです。例えば、彼らはさまざまな特定の形態で食物を認識しています。

合理的な私たちの日常の理解は人間化されていますが、Xix世紀のように、多くの人々が今日の男と猿の間の継続性の考えであるように多くの人々が嘲笑されているように見えました、私たちの多くは非人道の可能性の考えを混乱させました知性。特に、気付くことなく、私たちは自分の「私」を実現する能力と考えるという考えをよく関連付けることがよくあります、そしてそれは私たちが考えの現象をより広く見ているのを防ぎます。真実、思考と「私」の意味の関係は本当に存在するようです。気ままずつ変化する外部の状況の状況では考えることができます複雑なシステムそれはその状態を感じる能力がある場合にのみ安定しています、そしてこれは私たちの「私」の本質です。分析は、そのような感覚がすでに多くのロボットマシンによって必要とされていることを示しています。結局のところ、ロボット、そして実際にはすべての複雑な自己学習、そして車が彼の記憶の状態について彼に知らせるべきである、そしてそれが理解でき、何 - いいえそしてその理由は何ですか。そしてこのために、機械は彼らの状態を表現して表現することができなければなりません。ロボットが必要であり、その「体」の故障に気付くために必要です。それ自体を知らずに、ロボットは困難で急速に変化し、環境に影響を与えることはほとんどありません。

3.人工的なIntellnktを作成します。

40代の終わり以来、科学者はすべてもっと大学と産業研究所は大胆な目標に急いだ：彼らの仕事の結果によると、人間の心と区別することは不可能であるようにコンピュータを構築しました。

辛抱強く彼の困難な仕事で前進して、人工知能（AI）の分野で働く研究者は、彼らが伝統的なコンピュータ科学を超えた遠くに、非常に絡まった問題との戦いに入ったことを発見しました。まず、学習プロセスのメカニズム、舌の性質、感覚的知覚のメカニズムを理解する必要があることがわかりました。人間の脳の作業を模倣する機械を作成することが判明したことがわかりました。それは、その間相互に関連したニューロンの数十億もの操作を理解する必要があることがわかりました。そして、多くの研究者が現代の科学に直面している最も困難な問題は、人間の心の機能の知識、そして彼の仕事の模倣の知識です。心理科学の基本的な理論的問題に直接影響を与えました。実際、科学者たちは、彼らの研究の非常に主題に関して単一の観点に来ることが困難です - 知性。ここで、盲目の旅行のように、象を説明しようとしている、その大切な定義を守ろうとしています。

彼が彼の目標の1つについて言った場所で、職業の原則を知り、ゲームボット自体を作成する方法を学びたいという願望。

しかし、本当に、ゲームモデルであろうと、完璧な人工知能を作成したいという願望です。モバイルプログラム、私たちの多くのプログラマーの道に参加しました。問題は、トンの顧客の厳しい現実の背後に、これは願いが自己発展のための単純な欲求に置き換えられたことです。子供の夢の執行を始めたことのない人のために、そして本当の人工心を創造するためのショートガイド。

ステージ1.失望

少なくとも単純なボットを作成することについて話すとき、目はきらめきでいっぱいになり、何百ものアイデアが頭の中で彼がすることができるべきです。ただし、実装に関しては、Real Modial Moviormaを解決するための鍵が...数学です。もう少し具体的になるには、少なくとも大学教育の形式でシフトされなければならないその区画のリストがあります。

線形代数;

グラフの理論

確率と数学的統計の理論

これはあなたのさらなるプログラミングが構築される科学的なブリッジヘッドです。この理論の知識と理解がなければ、人為的な心は実際には数の式よりも多くないため、すべてのアイデアは急速に人との対話について壊れるでしょう。

ステージ2.採用

睡眠が学生文学によって少し撃墜されたとき、あなたは言語の学習を始めることができます。まだLispや他の人たちに急いでいる価値がない、まず、変数と明確な状態をどのように扱うかを学ぶ必要があります。迅速な研究のため、そしてさらなる開発は完璧ですが、一般的に、あなたは関連ライブラリとあらゆる言語に基づくことができます。

ステージ3.開発

今、AIの理論に直接行きます。それらは3つのカテゴリに分類することができます：

弱いAI - 私たちが見るボットコンピューターゲーム、またはシリのような普通の健康的なヘルパー。それらは、高度に専門的なタスクを実行しているか、またはそれらのマイナーな複合体であり、そして対話の予測不能性が期限切れになります。

強いAIは、その知性が人間の脳に匹敵する機械です。今日まで、このクラスの本当の代表はありませんが、ワトソンのようなコンピュータはこの目標を達成するのに非常に近いです。

完璧なAIは未来、私たちの能力を超える機械の脳です。スティーブンホーク、エロンマスク、Franmshis "Terminator"が警告するそのような開発の危険性についての危険です。

当然のことながら、あなたは最も単純なボットから始めるべきです。これを行うには、3x3フィールドを使用しているときに古い良いゲームの「ティックチェック」を覚えておいて、基本的なアクションアルゴリズムを見つけようとしています。エラーのない行為の場合の勝利の可能性、最も成功した場所フィールド数値の位置の場合は、ゲームを描画などに削減する必要があります。

あなたが名前からも理解したとき、それはもはや深刻なAIのいくつかの類似性を生み出す時間の時間を許可するAPIです。

ステージ5.仕事

今、あなたがすでにあなたが既に作成方法と使い方を想像するとき、それはあなたの知識を新しいレベルに引き出す時が来ました。第一に、これは「機械訓練」と呼ばれる規律の研究を必要とするでしょう。第二に、選択したプログラミング言語の関連ライブラリをどのように取り扱う方法を学ぶ必要があります。私たちが検討したPythonの場合、Scikit-Learn、NLTK、Scipy、Pybrain、Numpです。第三に、どこでもどこでもそうすることができない

人工知能が正常に開発され、「正しい」定義がまだ起こっていないことが起こりましたか？なぜ希望がニューロコンピュータに割り当てられたのはなぜ、人工知能の創造主に直面している3つの主な仕事は何ですか？

人工知能の分野の国の主導的な専門家の1つである、Abbyy Technology Development Development部長のKonstantin Anisimovichによるスピーチに基づいて、猫の下の記事で答えを見つけるでしょう。
彼の個人的な参加により、Abbyy FineReaderおよびAbbyy Formreader製品で使用されている文書認識技術が作成されました。 Konstantinは、Mail.ru Technoparkの学生のためのマスタークラスの1つにAIの開発の歴史と基本について話しました。材料マスタークラスと記事のサイクルのための拠点となっています。

合計で、サイクルに3つの投稿があります。
プログラマーの人工知能

知識を受け取る：工学的知識と機械訓練

AIにおけるアプローチのUPSと停止

70年代には、最初の適用システムが人工知能の要素を使用して登場しました - エキスパートシステム。次に、多層ニューラルネットワークの出現と逆の分布の方法によるそれらの学習のためのアルゴリズムとの接続性のある種のルネサンスがあった。 80年代には、ニューラルネットワークへの情熱は単に鍛造されました。このアプローチの支持者は、ほぼ人間の脳として働くことになるニューロコンピュータを作成することを約束しました。

人工知能の分野で次の人気のパラダイムは機械学習になりました。このアプローチは80年代後半から急速に成長し始め、人気やそのほどのものを失いませんでした。機械学習の発展のための重要な推進力は、インターネットの出現と、アルゴリズムを調べるために使用できる多数の多様なアクセス可能なデータを与えました。

人工知能の設計における主な課題

知的システムのデザインの主な課題は、知識を提示する方法、知識を適用する方法を得る方法の選択に減少します。

知識の提示

構造化されていないビューは通常、分類タスクの解決に関連する領域で使用されます。これは通常、重量係数、確率などの推定値のベクトルです。

にとって 手続き上の表現 知識は製品または製品の規則を使用しています。製品モデルは、提案の形での知識を「条件 - アクション」の形で許可する規則に基づくモデルです。このアプローチは、さまざまな診断システムで人気がありました。症状、問題または誤動作、および行動の形で、これらの症状の存在をもたらす可能性のある故障を説明するという条件の形では非常に自然です。

次の記事では、知識を適用する方法について説明します。