Yapay zeka nasıl oluşturulur? Programlama robotları. Robotik gelişimi

Sibernetik, psikoloji ve davranışçılığın (davranış bilimi) (Davranış bilimi) ve endüstriyel robotik kompleksler için algoritmalar oluşturan bir mühendis, bunların ana araçları arasında çalışmak. yüksek Matematik Ve mekatronik, önümüzdeki yılların en umut verici sektöründe çalışıyorlar - robotikler. Robotlar, terimin karşılaştırmalı yeniliğine rağmen, uzun zamandır insanlığa tanıdık geldi. İşte akıllı mekanizmaların geliştirilmesinin tarihinden sadece birkaç gerçektir.

Demir insanlar henri dro

Eski Yunanistan'ın mitlerinde bile, Hephaeste'nin şiddetli ve monoton eserlerin yerine getirilmesi için yarattığı mekanik köleler belirtildi. Ve insan benzeri bir robotun ilk mucidi ve geliştiricisi efsanevi Leonardo da Vinci oldu. İtalyan dehasının ayrıntılı çizimleri bu güne, insan hareketlerini elleriyle, bacakları, kafa ile taklit edebilen mekanik şövalyeyi tanımlayan bu güne kadar korunmaktadır.

İlk Otomatik Yazılım Kontrol Mekanizmalarının oluşturulması, Xvιιιι yüzyıldan kalma Avrupa gözlemcilerinin sonunda başlatıldı. En çok bu alanda başarılı oldu, İsviçre uzmanları Baba ve oğul Pierre-Jacques ve Henri Dro. Saatlik mekanizmalara gönderilen yönetimin kalbinde bir dizi ("yazma erkek", "tasim", "müzisyen") yarattılar. Gelecekte Henri Dro'nin onurluydu, programlanabilir insan benzeri makineler "Androidler" diymeye başladı.

Programlamanın kökenlerinde

Endüstriyel robotların programlamasının temelleri, Fransa'daki XIX yüzyılın şafağına atıldı. İşte otomatik tekstil makineleri için ilk programlar (eğirme ve dokuma). Napolyonun hızla büyüyen ordusu, üniformalarda ve dolayısıyla dokularda gerekliydi. Lyon Joseph Jacquer'den Mucit, çeşitli ürün türlerinin üretimi için bir dokuma makinesini hızla yeniden yapılandırmanın bir yolunu önerdi. Genellikle, bu prosedür çok fazla zaman gerektiriyordu, tüm ekibin muazzam çabalarını ve dikkatini çekiyor. İnovasyonun özü, perfore delikli karton kartların kullanımına düşürüldü. İğneler, çevresindeki yerlere girerken, iplikler iyi kaydırıldı. Kartların değişimi hızlı bir şekilde makine operatörü tarafından yapıldı: yeni bir yumruk - yeni program - Yeni kumaş veya desen türü. Fransız gelişimi, modern otomatik komplekslerin prototipi, programlamalı robotlar haline geldi.

Jacquer tarafından lezzetle önerilen fikir, birçok mucit, otomatik cihazlarında kullanılmıştır:

• İstatistik Dairesi Başkanı S. N. Korsakov (Rusya, 1832) - Fikirleri karşılaştırma ve analiz etme mekanizmasında.
• Matematikçi Charles Babbage (İngiltere, 1834) - Çok çeşitli matematik problemlerini çözmek için analitik bir makinede.
• Mühendis (ABD, 1890) - İstatistiksel verileri depolamak ve işlemek için cihazda (Tabulator). Not için: 1911'de Şirket. Hollerita, IBM (Uluslararası İşletme Makineleri) olarak adlandırıldı.

Percocards, geçen yüzyılın 60'larına kadar büyük bilgi taşıyıcıları idi.

1920'de ışığı gören "R.U.R." oyunda Çek oyun yazarı'nın sahip olduğu entelektüel makineler, yazarın ağır ve tehlikeli üretim alanları için yaratılan yapay kişinin robotunu çağırdı (Robota (Çek.) -katorga). Ve robotu mekanizmalardan ve otomatik cihazlardan ayırıyor? İkincisinin aksine, robot, yalnızca döşenmiş algoritmayı izleyen, ancak aynı zamanda çevre ve erkek (operatör) ile etkileşime girebilecek, harici sinyalleri ve koşulları değiştirirken işlevlerini uyarlayabilir.

İlk oyunculuk robotunun 1928 yılında Amerikan Mühendisi R. Wentley tarafından inşa edilip uygulandığına inanılmaktadır. Manoid "Demir Entelektüel", Herbert TV adını aldı. Biyolog Makoto Nisimura (Japonya, 1929) ve İngiliz Asker William Richards (1928), öncülerin öncü defnelerine de iddia edilmektedir. Maddeci tarafından oluşturulan antropomorfik mekanizmalar benzer işlevselliğe sahipti: uzuvları ve kafaları taşıyabildiler, sesli ve sesli ekipler yaptılar, basit sorulara cevap verdiler. Cihazların temel amacı bilimsel ve teknik başarıların bir göstergesiydi. Teknolojilerin gelişiminde bir sonraki tur, yakında ilk endüstriyel robotları yaratmasına izin verdi.

Nesil nesil

Robotiğin gelişimi sürekli, ilerici bir süreçtir. Bugüne kadar, "Akıllı" makinede belirgin üç nesil oluşturulmuştur. Her biri, belirli göstergeler ve uygulamaların küreleri ile karakterize edilir.

İlk nesil robotlar dar bir aktivite için yaratıldı. Makineler yalnızca belirli bir programlanmış operasyon dizisini gerçekleştirebilir. Robot Yönetim Cihazları, Devre ve Programlama Neredeyse özerk çalışmayı hariç tutun ve gerekli ek ekipman ve bilgi ve ölçüm sistemleriyle özel bir teknolojik alanın oluşturulmasını gerektirir.

İkinci nesil makineler net veya uyarlanabilir denir. Programlama robotları, büyük dış ve iç sensörler kümesi dikkate alınarak gerçekleştirilir. Sensörlerden gelen bilgilerin analizine dayanarak, gerekli kontrol etkileri üretilir.

Son olarak, üçüncü nesil, şunları yapabilen akıllı robotlardır:

• Bilgileri genelleştirmek ve analiz etmek
• Geliştirmek ve kendi kendine çalışma, beceri ve bilgi biriktirmek,
• Durumdaki görüntüleri ve değişiklikleri tanır ve bu doğrultuda yürütme sisteminizin çalışmasını oluşturur.

Dayalı yapay zeka Algoritmik ve yazılım yatıyor.

Genel sınıflandırma

Herhangi bir temsili robot sergilerinde, "akıllı" otomobillerin çeşitliliği sadece basit sakinleri değil aynı zamanda uzmanlar da etkileyebilir. Ve robotlar neler? Sovyet bilim adamı A. E. Kobrinsky, en yaygın ve anlamlı sınıflandırmayı önerdi.

Amaç ve robotların işlevleri için üretim ve endüstriyel ve araştırmaya ayrılır. İlk, gerçekleştirilen işin niteliği doğrultusunda, teknolojik, kaldırma, çok yönlü, evrensel veya uzmanlaşmış olabilir. Araştırmalar, bölgeleri ve küreleri, insanlara tehlikeli veya erişilemeyen (dış alan, dünyevi alt toprak ve volkanlar, dünya okyanusunun derin deniz katmanları) çalışmayı amaçlamaktadır.

Yönetim türüne göre, prensibine göre biyoteknik (kopyalama, komut, cyborgs, etkileşimli ve otomatik) tahsis edilebilir - sert bir şekilde programlanabilir, uyarlanabilir ve esnek programlanabilir. Modernin fırtınalı gelişimi, geliştiricilere entelektüel makinelerin tasarımında pratik olarak sınırsız olanakları sunmaktadır. Ancak mükemmel bir devre ve yapıcı çözelti, ilgili yazılım ve algoritmik destek olmadan sadece pahalı bir kabuğa hizmet verecektir.

Böylece, mikroişlemcinin silikonunun robotun beyninin fonksiyonlarını üstlenebilir, kristaldeki ilgili programı "dökmek" için gereklidir. Sıradan bir insan dili, görevlerin, doğruluk ve mantıksal değerlendirmelerinin güvenilirliğini net bir şekilde formalizasyonunu sağlamamaktadır. Bu nedenle, gerekli bilgiler, robot programlama dillerini kullanarak belirli bir biçimde sunulur.

Yönetim görevlerine uygun olarak, böyle bir özel dilin dört seviyesi tahsis edilir:

• En düşük seviye, aktüatörleri, entelektüel sistemin bireysel birimlerinin doğrusal veya açısal hareketinin tam değerleri biçiminde kontrol etmek için kullanılır.
• Manipülatörün seviyesi egzersiz yapmanızı sağlar genel Müdürlük Tüm sistem, robotun çalışma organını koordinat alanında konumlandırma,
• Operasyon seviyesi oluşturmak için kullanılır Çalışma programıBelirli bir sonucu elde etmek için gerekli eylemlerin sırasını belirleyerek.
• En yüksek seviyede - görevler - detaysız program ne yapacağını gösterir.

Robotik, programlama robotlarını, üst düzey dillerde bunlarla iletişim kurmak için azaltmaya çalışır. İdeal olarak, operatör görevi belirler: "Arabanın bir içten yanmalı motoru oluşturun" ve tam bir görev yürütme robotunu bekler.

Dil nüansları

Modern robotiklerde, programlama robotları iki vektörde gelişiyor: robot odaklı ve problemli programlama.

En yaygın robot odaklı diller - AML ve AL. İlk olarak, IBM tarafından yalnızca kendi üretimi için entelektüel mekanizmaları yönetmek için geliştirilir. İkincisi, Standford Üniversitesi (ABD) uzmanlarının ürünüdür - aktif olarak gelişir ve bu sınıfın yeni dillerinin oluşumu üzerinde önemli bir etkiye sahiptir. Profesyonel, Pascal ve Algola'nın karakteristik özelliklerini kolayca inceler. Tüm robot yönelimli diller, bir algoritmayı "akıllı" bir mekanizma dizisi olarak tanımlar. Bu bağlamda, program genellikle pratik uygulamada çok hantal ve uygunsuz ortaya çıkar.

Program yönelimli dillerde robotları programlarken, program bir dizi eylemin bir dizisini, ancak nesnenin hedefleri veya ara konumlarını gösterir. Bu segmentteki en popüler olanı, çalışma ortamının durumunun grafikler şeklinde (köşeler - nesneler, yaylar - iletişim) formunda sunulduğu otopastır (IBM).

Eğitim robotları

Modern robot bir stajyer ve adaptif bir sistemdir. Bilgi ve beceriler de dahil olmak üzere gerekli tüm bilgiler, öğrenme sürecinde iletilir. Bu, ilgili verilerin (ayrıntılı programlama - notlar) işlemcisinin hafızasına doğrudan girildiği ve robot sensörlerini (görsel gösteri yoluyla) kullanılarak gerçekleştirilir - tüm hareketler ve robot mekanizmalarını hareket ettirilir ve ardından belleğe girilir ve ardından çalışma döngüsü Çalışmak, sistem parametrelerini ve yapı formlarını yeniden oluşturur bilgi modeli Dış dünya. Bu, otomatik çizgilerden gelen robotlar, sert bir yapı ve diğer geleneksel otomasyon araçlarıyla endüstriyel otomatlar arasındaki ana farktır. Listelenen öğrenme yöntemleri önemli dezavantajları vardır. Örneğin, seminal sırasında, yeniden yapılandırma, nitelikli bir uzmanın belirli bir süre ve emeğini gerektirir.

Laboratuar geliştiricileri tarafından temsil edilen programlama programı çok umut verici görünüyor. bilişim Teknolojileri Massachusetts Teknoloji Enstitüsü (CSAIL MIT) Uluslararası Endüstriyel Otomasyon ve Robotik ICRA-2017 (Singapur) konferansında. Bunlar tarafından oluşturulan C-Öğrenin Platformu her iki yöntemin avantajlarına sahiptir. Belirtilen kısıtlamalara sahip bir robot kütüphanesi (örneğin, parçanın formuna ve sertliği uyarınca manipülatör için bir kavrama kuvveti) sağlar. Aynı zamanda, operatör, üç boyutlu arayüzdeki robot anahtar hareketlerini gösterir. Göreve dayanan sistem, çalışma döngüsünü yürütmek için bir işlem sırası oluşturur. C-Learn, yeniden yazmanıza izin verir mevcut program Başka bir tasarımın robotu için. Operatör, programlama alanında derinlemesine bilgi gerektirmez.

Robotik ve Yapay Zeka

Oxford Üniversitesi uzmanları, önümüzdeki yirmi yılda, makine teknolojilerinin bugünün işlerinin yarısından fazlasını değiştireceğini uyarıyor. Nitekim, robotlar uzun zamandır sadece tehlikeli ve zor alanlarda değil. Örneğin, programlama, insanların brokerlerini dünya hisse senetlerini önemli ölçüde tutturulur. Yapay zeka hakkında birkaç kelime.

Adamın temsilinde, bu, bir kişinin yaşamın birçok alanındaki yerini alabilen antropomorfik bir robotdur. Kısmen, ancak daha yapay zeka, kullanan bağımsız bir bilim ve teknolojinin bağımsız bir dalıdır. bilgisayar programları"Homo Sapiens" düşüncesini, beyninin eserini de benzerlendiriyor. Mevcut aşamada, AI'nin gelişimi insanların onları eğlendirmelerine yardımcı olur. Ancak, uzmanlara göre, robotik ve yapay zeka alanında daha fazla ilerleme, insanlığın önünde bir dizi ahlaki ve etik ve yasal konular koyabilir.

Bu yıl Cenevre'deki robot sergisinde, en gelişmiş Android Sofia, bir erkek olmayı öğrendiğini söyledi. Ekim ayında, yapay zekanın tarihinde ilk kez Sofya, tam teşekküllü haklarla Suudi Arabistan vatandaşı olarak kabul edildi. İlk yutmak?

Robotiğin ana eğilimleri

2017 yılında dijital endüstrinin uzmanları birkaç olağanüstü teknoloji çözümüne dikkat çekti. sanal gerçeklik. Bir kenara bırakılmadı ve robotik. Çok umut verici, karmaşık robokekhanizmin yönetiminin yönetim yönü sanal bir kask (VR) gibi görünüyor. Uzmanlar, iş ve sanayide bu tür teknolojiye olan talebi gösterir. Muhtemel kullanım senaryoları:

• İnsansız Teknoloji Yönetimi (Depo Yükleyiciler ve Manipülatörler, Dronlar, Römorklar),
• Tıbbi araştırma ve cerrahi işlemler,
• Ulaşılması zor nesnelerin ve bölgelerin (okyanusun dibinde, kutupsal alanların) gelişimi. Ek olarak, programlama robotları yapmalarını ve çevrimdışı çalışma yapmalarını sağlar.

Bir diğer popüler eğilim birbirine bağlıdır. Son zamanlarda, elma dev temsilcileri kendi "drone" geliştirilmesinin başlamasını ilan etti. Giderek daha fazla firma, mal ve ekipmanı korurken, kesişen parçaların etrafında bağımsız olarak hareket edebilecek makinelerin yaratılmasına olan ilgilerini ifade eder.

Programlama robotları ve makine öğrenmesi için algoritmaların artan karmaşıklığı, bilgi işlem kaynakları ve sonuç olarak "Donanım" için gereksinimleri arttırır. Görünüşe göre, bu durumda optimum çıktı, cihazların bulut altyapısına bağlanması olacaktır.

Önemli bir yön bilişsel bir robotiktir. "Akıllı" makine sayısındaki hızlı artış, geliştiricileri daha fazla ve daha sık, robotların iyi etkileşime girmeyi nasıl öğreteceğini düşünür.

Şimdiye kadar, programcılar programlama kazanabilir, ardından mevcut AI'ler AI değil, Püfusun göbek ne olursa olsun. Önerdiğim seçenek bu sorunu çözebilir.

Araştırması sonucunda, "yapay zeka" ifadesini kullanmaktan vazgeçtim.

AI nedir, bu zaten bu konuda yazılmıştır. Farklı bir soru koydum, "AI nedir" ve "Neden A'ya ihtiyacım var". Çok fazla para kazanmak için ihtiyacım var, o zaman bilgisayar benim için her şeyi yerine getirecek, kendimi yapmak istemiyorum, bir uzay aracı inşa ettikten ve yıldızlara uçtum.

Bu yüzden burada bilgisayarı arzularımızı yapmayı nasıl yapacağını tarif edeceğim. Burada bir açıklama ya da söz görmeyi bekliyorsanız, bilinçlerin nasıl çalıştığını, öz-farkındalık nedir, bu da düşünme veya akıl yürütme anlamına gelmez. Düşün - bilgisayarlar hakkında değil. Bilgisayarlar hesaplanır, hesaplanır ve programlar yürütür. Bu yüzden arzularımızı uygulamak için gerekli eylemleri hesaplayabilen bir programın nasıl yapıldığını düşünüyoruz.

Hangi formda, görevimiz bilgisayara - klavye içinden, mikrofondan veya beynin içine yerleştirilmiş sensörlerden - önemli değil, bu ikincil bir iştir. Bilgisayarı metnin yazdığı arzuları yapmak için yapabilirsek, o zaman ona arzuları da gerçekleştiren bir program yapabileceği görevi sağlayabildikten sonra, mikrofon aracılığıyla. Görüntü analizi ekstra.

Görüntüleri ve sesi tanımak için görüntüleri ve sesi tanımak için, bu tür algoritmaların başlangıçta içine dahil edilmesi gerektiğini iddia etmek için, hangi kimsenin yarattığı kimsenin bu tür programlar olarak tanıdığı önemli değildir.

Aksiyomları formüle ediyoruz:
1. Dünyadaki her şey bazı kurallar için düşünülebilir. (daha sonra hatalar hakkında)
2. KURAL'a göre hesaplama, kaynak verilerinin sonucunun açık bir bağımlılığıdır.
3. Herhangi bir belirsiz bağımlılıklar istatistiksel olarak bulunabilir.
Ve şimdi iddiaları:
4. Metin açıklamalarını kurallara dönüştürme fonksiyonu vardır - böylece uzun süredir görülen bilgiyi aramanız gerekmez.
5. Görevleri çözümlere dönüştürme işlevi vardır (bu arzularımızın yürütüğüdür).
6. Keyfi veri tahmini kuralı diğer tüm kuralları ve işlevleri içerir.

Bunu bir programcı diline çeviriyoruz:
1. Dünyadaki her şey bazı algoritmalar için düşünülebilir.
2. Algoritma her zaman kaynak verilerin tekrarı aynı sonucu verir.
3. KAYNAK VERİLERİ VE BUNLARININ ÖZELLİKLERİ ÖZELLİKLERİ ÖNEMLİ ARAMA SAĞLAMASI İLE, bu, kaynak verilerinin ve sonucu bu bağımlılığı uygulayan birçok olası algoritmanın tümünü bulabilirsiniz.
4. Metin açıklamalarını algoritmalara (veya başka bir bilgi verisine) dönüştürmek için bir algoritma vardır - böylece birisi daha önce bulmuş ve açıklanmışsa, gerekli algoritmaları istatistiksel olarak aramamak gibi.
5. Bu arzuların fiziksel olarak ve gerekli zaman diliminde uygulanması şartıyla, metin veya ses formunda olup olmadıklarını, isteklerimizi yerine getirecek bir program oluşturabilirsiniz.
6. Yeni veri geldiğinde tahmin edip öğrenebilecek bir program oluşturmayı başarırsanız, böyle bir programın sonsuz zamanın sona ermesinden sonra, böyle bir program dünyamızda mümkün olan tüm algoritmaları içerecektir. Peki, pratik faydalar için sonsuz zamanlıdır ve bir hata ile P.5 programının veya başkaları programının algoritmalarını gerçekleştirmek için yapılabilir.

Ve ayrıca, imho:
7. Başka bir yöntem tamamen bağımsızdır ve kişinin öğrenmesinden bağımsızdır, kuralların araştırılması dışında, tahminlerde bunların istatistiksel olarak test edilmemesi yoktur. Ve sadece bu özelliği nasıl kullanacağınızı öğrenmeniz gerekir. Bu özellik beynin bir parçasıdır.

Tahmin etmeniz gerekenler. İnsan beyni doğumdan doğumdan akışını akmaya başlar - gözlerden, kulaklar, dokunsal vb. Ve tüm kararlar daha önce alınan veriler temelinde kabul edilir. Analoji ile giriş yapan bir program yaptık yeni bilgi Bir bayt tarafından - giriş çevirme akışı. Daha önce gelen her şey bir katı liste şeklinde ortaya çıktı. 0 ila 255 arasında dış bilgi alacak ve 255'ten fazla özel kontrol işaretçileri olarak kullanılacaktır. Şunlar. Giriş, 0xffff boyutuna 0xffff'e yazmanıza izin verir. Ve bu konuda daha kesin bir şekilde eklenen bilgi sayısı bu konudur ve bu verilerden önce gelmeye dayalı olarak tahmin etmeyi öğrenmeniz gerekir. Şunlar. Program, bir sonraki numaranın ne ekleneceğini tahmin etmeye çalışmalıdır.

Tabii ki, veri sunumu için diğer seçenekler mümkündür, ancak amaçlar için, en farklı formatların girişe geldiğinde, bu en uygun olanı açıklamalarla çeşitli HTML'leri doldurun. Her ne kadar belirteçler optimizasyon amacıyla bir dizi kaçışıyla değiştirilebilse de, onlarla daha az uygun açıklamak için. (Ascii'de, UTF değil her şeyin olduğunu hayal edin).

Öyleyse, ilk başta, doğumda olduğu gibi, orada her şey, açıklamaları olan ardışık bir internet sayfasıdır ve yeni metnin işaretleyicilerini paylaşırlar - - Bu kara kutu her şeyi üst üste her şeyi ne işe alırdı? Markerler Etiketler tarafından gösterilecek, ancak onların sadece bir çeşit eşsiz sayı oldukları anlaşılıyor. Bazı verilerden sonra, gelen bilgileri kontrol işaretçilerini kullanarak manipüle etmeye başlıyoruz.

Tahmin altında, sadece hangi kalıpların bulunduğunu bilen bir algoritmayı anlıyorum, ama aynı zamanda yenilerini arıyor. Ve böylece böyle bir programa girmek için bir sıra gönderirseniz
gökyüzü mavi
çimen yeşil
tavan …
o zaman ne bir işaretleyiciyi bulmalısın Önceki belirtilen nesnenin rengini takip eder ve noktalar noktasında tavanın en muhtemel rengini öngörür.

Bu etiketler içinde uygulanacak işlevi anladığı her neyse onu birkaç örnek tekrarladık. Ve rengin kendisi, elbette icat etmemelidir, ancak tahmin edilmesinde kalıpların hesaplanmasını inceledikten sonra onu zaten bağımsız olarak tanıymalıdır.

Algoritma gerektiğinde, sonraki adımların girişi, önceki adımın tahmini neydi. Otomatik kaydırma yazın (AutoCorrelation kelimesiyle analojiyle). Ve yeni diziler için arama fonksiyonunu çıkarırken.

Başka bir örnek, birinci işaretçisinden sonra soruyu işaret edebilirsiniz ve ikinci cevapta ve ardından bu algoritma süper mega-cool, en zor sorulara bile cevap vermeye başlamalıdır. Yine, zaten çalışılan gerçekler içinde.

Tahmini mekanizmanın girişine yerleştirilmiş kontrol işaretçilerinde birçok farklı püf noktası bulabilir ve istenen herhangi bir işlevi alabilirsiniz. Bu özelliğin algoritmik kanıtlarını okumak için sıkıcı iseniz, yöneticilerle aşağıdaki örneklere kadar kaydırabilirsiniz.

Bu kara kutuyu ne yapıyor? İlk olarak, yüzde yüz tahminlerin her durumda her zaman mümkün olmadığını söylemeye değer. Öte yandan, sonuç olarak her zaman sıfır sayısını verirse, bu tahmin olacaktır. Kesinlikle% 100 hata olsa da. Şimdi, olasılığı, sayının, sayının izlediği şeyin, neyin peşinde olduğunu düşünün. Her numara için, en muhtemel olanı belirlenir. Şunlar. Onu biraz tahmin edebiliriz. Bu çok uzun bir yolun ilk adımı.

Sonuçtaki kaynak verilerinin algoritmaya göre kesin olarak gösterilmesi, bu, algoritmanın tanımı, giriş ve çıkış verilerinin miktar ve konumunda kesinlik getirmemesi dışında, kelime fonksiyonunun matematiksel tanımına karşılık gelir. Ayrıca bir örnek, küçük bir plaka olmasına izin verin: nesne rengi, çok sayıda satır getirecek: gökyüzü mavi, çimen yeşil, tavan. Benzersiz ekranın küçük bir yerel fonksiyonunu ortaya çıkardı. Ve gerçekte nadiren renk olmadığı önemli değil - başka tablolar olacak. Bir şeyin kaydedilmiş özelliklerini içeren herhangi bir veritabanı çeşitli işlevlerdir ve nesne tanımlayıcılarını özelliklerine göre görüntüler.

Algoritma terimi yerine, birçok durumda daha fazla basitleştirmek için, aksi belirtilmediği sürece, tek parametre gibi terim işlevini kullanacağım. Ve her türlü söz, algoritmalara genişleme anlamına gelmeniz gerekir.

Ve yaklaşık bir açıklama vereceğim, çünkü Gerçekte, hepsini hala anlıyorum ... ama hepsi mantıklı. Ayrıca, tüm hesaplamaların katsayılar tarafından doğru veya yanlış olmadığı akılda tutulmalıdır. (Belki de gerçeğin ve yalanların olduğu açıkça belirtilmiş olsa bile).

Özellikle tamsayılarda faaliyet gösteren herhangi bir algoritma, aralarındaki birçok koşul ve geçişe ayrılabilir. İlave, çarpma, vb. Operasyonlar da durum ve geçişlerden gelen subalgoritmiklerde de ortaya konur. Ve başka bir sonuç operatörü. Bu bir iade operatörü değildir. Devlet operatörü bir yerden alır ve sabit ile karşılaştırır. Ve sonucun operatörü sabit bir değer katar. Çekme veya katlama konumu, baz noktasına veya algoritmanın nispeten adımlarına göre hesaplanır.

Struct t_node (int tipi; // 0 - koşulu, 1 - Union Sonuç (// operatör t_node * source_get; t_value * compare_value; t_node * next_if_tif_then; t_node * next_if_if_if_if_f_tifse;); struct (// operatör t_node * Dest_Set; t_value * Sonuç_Value; ;);));
Sabahın üzerinde, böyle bir şey. Ve bu tür elementlerden ve algoritma yapılır. Tüm akıl yürütme sonucunda, daha karmaşık bir yapı ortaya çıkarır ve bu ilk sunum içindir.

Her öngörülen nokta, bazı fonksiyonlar için hesaplanır. Bu işlevin bu noktaya uygulanabilirliğine test eden fonksiyona bir durum tutturulur. Toplam kuplaj getirileri veya bir yalan uygulanamaz veya fonksiyonun hesaplanmasının sonucudur. Ve sürekli akış tahmini, zaten icat edilmiş tüm fonksiyonların uygulanabilirliğinin ve gerçekse hesaplamalarının alternatif bir kontrolüdür. Ve her nokta için.

Uygulanabilirlik koşullarına ek olarak, hala mesafeler var. Kaynak verileri ile sonuç arasında ve bu mesafe farklıdır, aynı fonksiyonla duruma bağlı olarak uygulanır. (Ve durumdan orijinale kadar veya aynı öngörülen, bir mesafe var, bunun anlamı, ancak açıklamalar altında atlamak için. Ve mesafe dinamiktir).

Çok sayıda işlevi biriktirirken, bu fonksiyonların uygulanabilirliğini test eden koşulların sayısı artacaktır. Ancak, birçok durumda bu koşullar ağaçlar şeklinde bulunabilir ve fonksiyon kümelerini kesme, logaritmik bağımlılığa oranla gerçekleşir.

Ne zaman geldiğinde birincil oluşturma Ve fonksiyon ölçümü, ardından sonuç operatörü yerine, gerçek sonuçların birikmesi biriktirilir. İstatistik birikiminden sonra, dağıtım en muhtemel sonuç ile değiştirilir ve fonksiyonun durumdan önce gelince, ayrıca sonucun maksimum olasılığı için durumunu test etti.

Bu, korelasyonun tek gerçekleri için arama. Böyle bir demet biriktirmek, onları gruplara birleştirmeye çalışırken. Tahsis edebileceğinizden bakıyoruz genel durum ve kaynak değerinden sonuca kadar ortak bir mesafe. Bunun yanı sıra, bu tür koşullar ve mesafeler altında, orijinal değerin tekrarlanmasının tekrarlanacağı diğer durumlarda, sonucun geniş bir dağılmadığını kontrol ediyoruz. Şunlar. İyi bilinen sık kullanımda, oldukça gerçekleşmiştir.

Kimlik katsayısı. (İşte çift yönlü kimlik. Ama daha sık bu tek yönlüdür. Daha sonra formülü iletiriz.)
Her çiftin kare içine xy sayısı ve özetleyin.
Aşağıdakileri ayırıyoruz: Her bir değerin karınındaki miktarın miktarı artı, M eksi Delimi'ndeki Miktarların miktarını artırın.
Şunlar. Toplam (xy ^ 2) / (toplam (x ^ 2) + toplam (Y ^ 2) - toplam (xy ^ 2)).
Bu katsayı 0 ila 1 arasında.

Ve sonuç olarak, ne olur. Bu gerçeklerin eşit olmayan ve uzak olduğu yüksek frekanslı gerçeklere ikna oldum. Ve gerisi raflar - ama toplamı sık sık daha fazla olacak - bu koşullardaki gerçekler olarak aynı hataya sahipler. Şunlar. Tahmin tabanını bu koşullar altında bulunan tek gerçeklerle biriktirebiliriz.

Evet, bir bilgi tabanı olacak. Gökyüzü genellikle mavidir ve tropik nadir bir çöpü bir yerde gri-kahverengi kızarıklık olduğunu gördü. Ve hatırladım çünkü Kuralları kontrol ettik - güvenilir. Ve ilke, Çince veya yabancının olsun, dile bağlı değildir. Ve sonra, çeviriler kurallarını anladıktan sonra, bir fonksiyonun farklı dillerden toplanabileceğini anlamak mümkün olacaktır. Aynı zamanda, bilgi tabanının da algoritmalar olarak temsil edilebileceğini göz önünde bulundurmanız gerekir - eğer başlangıç \u200b\u200bdeğeri bu şekilde ise, sonuç öyledir.

Ayrıca, diğer kuralların karmaşası sonucuyuz, diğer yerlerde ve koşullarda zaten görülen bir kimlik olduğunu görüyoruz. Ve şimdi kimliğin onaylanması için büyük bir temel yazmamıza gerek yok, bir düzine tek gerçek yazmak yeterlidir ve bu onun sınırları dahilinde, haritalama önceki işlev olarak aynı anlamda meydana gelir. Şunlar. Aynı fonksiyon diğer koşullarda kullanılır. Bu özellik, farklı ifadelerle aynı mülkü tanımlayabileceğimiz gerçeğini oluşturur. Ve bazen sadece İnternet sayfalarındaki tablolarda listeleniyorlar. Ayrıca, bu özellikdeki gerçeklerin toplanması zaten kullanım için çeşitli seçeneklerde yapılabilir.

Fonksiyonlara göre olası farklı koşullar ve konumların birikimi vardır ve ayrıca düzenlilikler bulmaya çalışılabilir. Nadir değildir, örnekleme kuralları çeşitli fonksiyonlar için benzerdir, yalnızca bazı işaretlerde (örneğin, tablodaki mülkü tanımlayan kelimeyi veya başlığı) farklıdır.

Genel olarak, bir demet tek parametre işleviydik. Ve şimdi, bekar gerçeklerin tek parametreye olan formasyonunda olduğu gibi, burada bir parametre koşulları ve mesafenin bir kısmını gruplandırmaya çalışacağız. General'in yeni bir durum olduğu kısmı ve yeni fonksiyonun ikinci parametresidir - ilk parametrenin tek parametresinin tek parametre bir parametre olacağı iki parametredir.

Herkesin ortaya çıktı yeni parametre Multiparametrik olarak, tek bir parametreye (iyi veya neredeyse aynı) tek başına gerçeklerin oluşumu ile aynı doğrusallıkla aynıdır. Şunlar. N-parametrik oranını N ile bulma. Çok fazla parametre arzusunda olan ne neredeyse nöral bir ızgara olur. (Kim istiyor, anlayacak.)

Dönüşüm fonksiyonları.

Tabii ki, çok sayıda karşılık gelen örnek verdiğimizde harikaydı, Rusça'dan İngilizceye çevirilerin küçük metinlerini söyleyelim. Ve aralarında düzenli desenler bulmaya çalışmaya başlayabilirsiniz. Ancak gerçekte, tüm bilgilerin giriş akışında karıştırılır.

Bu yüzden bir tür fonksiyonu bulduk ve veriler arasındaki yol. İkinci ve üçüncü. Şimdi bakıyoruz, aralarında olabilir miyiz, yollar arasında ortak bir parçası var. X-P1- (P2) -P3-Y yapılarını bulmaya çalışın. Ve sonra benzer X-P1 ve P3-Y ile benzer benzer yapıları bulun, ancak farklı P2'yi bulabilirsiniz. Ve sonra bağımlılıkların olduğu arasında karmaşık bir yapı ile uğraştığımız sonucuna varabiliriz. Ve bulunan kurallar kümesi, orta kısmı eksi, gruplara birleştirin ve dönüşüm işlevini arayalım. Böylece çeviri, derlemenin ve diğer karmaşık özlerin işlevleri oluşturulur.

İşte Rusça metni ile bir çarşaf alın ve tanıdık olmayan bir dile çeviri ile. Öğretici olmadan, bu sayfalardan transfer kurallarının anlaşılmasını bulmak son derece zordur. Ancak bu mümkün. Ve yapacağınız gibi, arama algoritmasında verilmelidir.

Basit fonksiyonlarla anladığım zaman, o zaman, taslak da geliyor ve bunun aynı olduğunu anlarken, dönüşüm aramasını yapmaya devam edeceğim.

Fonksiyonlar için istatistiksel aramanın yanı sıra, bunları, okuma işlevi olan kurallara dönüştürme işleviyle hala açıklamalardan oluşturabilirsiniz. Okuma fonksiyonlarının ilk oluşturulması için istatistikler, internette ders kitaplarında bulunabilir - bu açıklamalardaki örneklere uygulanan açıklamalar ve kurallar arasındaki korelasyonlar. Şunlar. Arama algoritmasının kaynak verileri eşit derecede görmesi gerektiği ve bunlara uygulanan kuralları görmesi gerektiği ortaya çıktı. Herkes, belirli bir homojen veri sütun erişiminde bulunmalıdır. Sadece tam tersinin aynı prensibinin, dış tanımlamalarda veya harici programlarda iç kuralların tersine dönüştürülmesi için kurallar olabilir. Ve ayrıca bildiği sistemin anlayışını ve neyin olmadığını anlamak için - cevabı talep etmeden önce mümkündür, cevap sisteminin bilmediğini sormak - evet ya da değil.

Söylediğim işlevler aslında sadece bir algoritmanın tek bir parçası değil ve başka bir fonksiyon dizisinden oluşabilir. Sırayla ne olursa olsun, prosedürü çağırmaz, ancak Linux'teki gibi bir dönüşüm dizisi boru ile çalışır. Örneğin, derhal kelimelerin ve cümlelerin tahminini kabaca tanımladım. Fakat sadece bir sembol tahmini nedir, bu cümlenin bu ifadeye, bu bir sembolü alma işlevini uygulamanız gerekir. Veya Fonksiyon, İngilizce'deki görevleri ve Rusça'daki TK'leri anlamayı öğrendi. Sonra Rus-Binası -\u003e TransattNangali-\u003e Kazagali-\u003e Sonucunun performansı.

Fonksiyonlar tanımında sabitlenmeyebilir ve ek bilgi alındığı veya koşullar genel olarak değiştirildiğinde, çeviri işlevi sonlu değil ve zamanla değişebilir.

Ayrıca, olasılık tahminleri üzerine, farklı fonksiyonlardaki bir kümenin tekrarlanabilirliğini etkiler - türleri oluşturur veya onaylar.

Ayrıca, birkaç gerçek dünya setinin olmadığı, internet sayfalarının, muhtemelen sürekli olarak veya muhtemelen sürekli olarak veya bir şekilde aynı olasılıkların olasılıkları arttırdığından bahsetmek de gereklidir.

Örneklerdeki bulunan kuralların derhal ölçülmesine ek olarak, kuralların türünün türünün varlığını kabul ediyorum. Ve bu sınıflandırıcıların sınıflandırıcısı mümkündür.

Daha fazla nüans. Tahmin, iki seviyeden oluşur. Bulunan kuralların seviyesi ve yeni kurallar aranma seviyesi. Ancak yeni kurallar araştırması esasen kriterleri ile aynı program. Ve (henüz düşünülmemiş olmasına rağmen), daha kolay olabilecek şekilde kabul edilir. Tüm çeşitlilikteki olası arama algoritmalarını arayacak olan sıfır seviyeye ihtiyaç duyulan, bu da son kuralları yaratacak. Ve belki genellikle çok seviyeli bir özyineleme veya fraktaldır.

İşaretçilerin yöneticilerine dönelim. Algoritma hakkındaki tüm bu gerekçelerin bir sonucu olarak, onlar aracılığıyla bu kara kutudan diziyi sürdürmek için talep ediyoruz ve benzerliğin işlevine göre hesaplamayı verir. Daha önce gösterildiği gibi yapmak için yazın.

Bu mekanizmada işlevi belirlemenin başka bir yolu var - tanım boyunca bir fonksiyon vermek için. Örneğin:
İngilizceye çevir tablo tablo
Soruyu cevapla gökyüzü rengi mavi
Bir TK programı oluşturun yapay akıl istiyorum ...

Bu sistemin görevlerimizi çözmesi için kullanımı aşağıdaki algoritmadır. Görevleri tanımlamak için özel bir tanımlayıcının tanımının bir tanımını yapıyoruz. Ardından, bir görev açıklaması oluşturun ve buna yeni bir tanımlayıcı atayın. Kabul edilebilir eylemlerin bir tanımını yapıyoruz. Örneğin, (pratik olmasa da), işlemci komutları doğrudan internetten açıklanır ve bağlantı noktalarından kontrol edilebilecek manipülatörler bilgisayara bağlanabilir. Ve sonra, sisteme aşağıdaki eylemi gerçekleştirmeniz, göreve özü tanımlayıcıya atıfta bulunarak, göreve yaklaşmak için ihtiyacınız olduğunu sorabiliriz. Ve bir kez daha, eylemlerin daha fazla hesaplanması için gerekli herhangi bir ek bilgi için gerekli olup olmadığını sormak - genel bilgi hakkında bilgi veya sorunu çözme durumu için. Ve bazı harici bir döngüde bilgi için eylemler ve talepler için ödeme yapar. Tüm şema, metin tanımları üzerine inşa edilmiştir ve bu nedenle tanımla elde edilen fonksiyonlarla çalıştırılabilir. Ve çıktı sadece takımlardır - metinlerin metninin sorusu ortadan kaybolur. Gerekli öngörülen ölçeğin ölçeğinin konusu şimdi tartışılmaz - tahmin edilmesinin gerekli ve yeterli bir işlevi varsa - mantığa göre çalışmalıdır.

Ai'de biri sorunları çözmenin bir yolunu görürse, ancak bir kişinin herhangi bir özelliği, insan davranışlarının ve kalitesinin aynı zamanda hesaplandığı ve öngörüldüğü söylenebilir. Ve literatürde belirli bir mülkün yeterli açıklamaları vardır. Ve bu nedenle, eğer özelliklerden istediğimiz sistemi açıklarsak, onu taklit etmek için ölçecektir. Ve soyut ortalama davranışı ya da belirli bir kişiye referansla çoğaltılacaktır. Peki ya da istersen, bir tanım verirseniz, SuperMand'ı başlatmayı deneyebilirsiniz.

Bir süre sonra gerçekleşen bir şeyi tahmin edebilirsiniz. Nesneler hız ve hızlandırmalarla hareket eder ve zamanla bir şeyin her türlü diğer değişiklikleri. Alanı tahmin edebilirsiniz. Örneğin, bir kağıda kaplı köşelerden birine sahip bir tablonun olduğu yabancı bir odaya girersiniz. Bu açı görmüyorsunuz, ancak aynı dikdörtgenlerin, diğer açılar gibi (yuvarlanmamış) gibi aynı dikdörtgen olduğunu ve bu açmanın rengi diğer köşelerde olduğu gibi olduğunu tahmin etmeyi düşünebilirsiniz. Tabii ki, alanın tahmini hatalarla gerçekleşir - aniden masanın açısı püskürtülür ve üzerinde boya lekesi var. Ancak geçici işlemlerin tahmin edilmesi de her zaman hatalarla. Dünya üzerindeki serbest düşüşün ivmesi her zaman 9.81 değildir, ancak deniz seviyesinden ve yakındaki dağlardan yüksekliğe bağlıdır. Ve ölçüm cihazları asla kesinlikle doğru yapamazsınız. Şunlar. Zamandaki alan ve zaman işlemlerinin tahmini her zaman hatalarla meydana gelir ve çeşitli öngörülen varlıklar farklı hatalardır. Ancak aynı - algoritmaların istatistiksel olarak bulundu.

Bayt akışımızı tahmin etmenin, bilgi alanını tahmin etmenin bir tür olduğunu ortaya çıkar. Kodlanmış ve boşluk ve zamandır. Bu yüzden orada bir yapı var - programın bir parçası olmasına izin verin. Programın bu parçası öngörülen alandır, tablo ile aynıdır. Bu yapıyı tahmin etmek için bir dizi kural bu yapının kurallarını oluşturur - böyle bir şey düzenli ifadeler. Bu yapıların yapısını belirlemek için, öngörü katı değer değil, izin verilen değerler kümesidir. Algoritmanın açıklaması sırasında, yapıların ayrı rolü hakkında farketmedim ve bu nedenle oraya düşmedi. Ancak bu özelliği eklemek, resmin tam bir anlayışı oluşturulur ve zamanında yeniden yazmaya çalışacağım. Lütfen yapıların altında, şartlı olarak genişletilebilir anlamına geldiğini unutmayın - eğer böyle bir özelliğin böyle bir değere sahipse, bir özellik paketi eklenir.

Genel olarak, dünyamızda mümkün olan her şey tür, yapılar, dönüşüm ve süreçlerle tanımlanmaktadır. Ve tüm bu özellikler, tahminlerin bir sonucu olarak olan kurallara uyun. Beyin aynı yapar, sadece tam yöntemler değil, çünkü Bu bir analog cihazdır.

Böyle bir görevi ortadan kaldırmadan bilerek araştırmayı mı arayacaktır? Hayır, çünkü kendi arzuları yok, ama sadece görevler belirlendi. Kendi arzularınızın uygulanmasından ve ilgilerinizin uygulanmasından sorumlu olan kişiliği denir. Ayrıca bir kişiyi de programlayabilirsiniz. Ve bir insan gibi olup olmadığı ya da bazı bilgisayar analogu - ama yine de doğru kalacak.

Ve sanattaki yaratıcı faaliyetlerimiz, bunlar aynı çalışmalardır, sadece duygularımızı, duygularımızı ve zihnimizi etkileyen varlıklar arayın.

Böyle bir programın imalatı için son talimat henüz değil. Çok sayıda soru ve algoritmanın kendisi ve kullanım hakkında (ve çok değişkenli metinler hakkında). Zamanla, açıklamayı belirtmeye ve detaylandırmaya devam edeceğim.

Tahmini uygulamak için alternatif bir yön, tekrarlayan sinir ağlarının kullanımıdır (Elman ağını söyleyin). Bu doğrultuda, tahminin doğası hakkında düşünmek gerekli değildir, ancak zorlukları ve nüansları vardır. Ancak bu yön uygulamaksa, kullanımın geri kalanı aynı kalır.

Makalenin altındaki sonuçlar:
1. Tahmin, olası tüm algoritmaları bulmanın bir yoludur.
2. Tahmin girişinin manipülasyonunu kullanarak, bu algoritmalar orada çıkarılabilir.
3. Bu özellik bilgisayarla konuşmak için kullanılabilir.
4. Bu özellik, herhangi bir görevi çözmek için kullanılabilir.
5. AI, onu tanımladığınız ve belirledikten sonra bir görev olarak çözülebilir.

Bazıları, Bruthet'in herhangi bir kalıbı bulmasını çok uzun süreceğini söyleyecektir. Buna karşılık, çocuğun birkaç yıldır konuşmayı öğrendiğini söyleyebilirim. Birkaç yıl içinde kaç tane seçenek hesaplayabiliriz? Bulunan ve hazır kurallar hızlı bir şekilde uygulanır ve bilgisayarlar için bir kişiden çok daha hızlı. Ancak yeni ve orada ve orada uzun zamandır arama, ancak bilgisayarın bir kişiden daha uzun olacağı, böyle bir algoritmayı almayacağımızı öğrenmeyeceğiz. Ayrıca, Brutfors'un mükemmel paralel olduklarını ve bu amaç için ev bilgisayarlarını içerecek milyonlarca meraklısı olacak. Ve bu birkaç yılın hala bir milyona ayrılabileceği ortaya çıktı. Ve diğer bilgisayarlar tarafından bulunan kurallar, insanlarda benzer bir sürecin aksine anında incelenecektir.

Diğerleri, beyin milyar hücrelerinde paralelleşmeyi hedeflediğini iddia etmeye başlayacak. O zaman soru, yabancı bir dili keşfetmek için örnekler üzerinde bir ders kitabı olmadan çalışırken bu billyonların nasıl yer aldığıdır? Bir kişi uzun zamandır çıktıların üzerinden kalacak ve korelasyonlu kelimeler yazacaktır. Aynı zamanda, bir bilgisayar bir saniye için yapacak paketlerdir.

Ve görüntülerin analizi - onlarca bilardo topları DVunt ve ne kadar çarpışmaların olacağını sayar. (Sesten yakın). Ve iki düzine ya da üç ... ve milyar hücreler nerede burada?

Genel olarak, beynin hızı ve onun multi-paraplicity çok tartışmalı bir konudur.

Düşünce bir bilgisayar oluşturmayı düşündüğünüzde, bir kişinin yaşam boyunca öğrendiklerini ve anlamaya çalıştığını ve başlayan programdan birikmesine izin verecek mekanizmalar nelerdir - bağırmak ve uyumak için mekanizmalar nelerdir? Ve bu mekanizmalar, resmi mantığın aksiyomlarına dayanmaz. Ancak matematik ve istatistiklerde.

PPS: Benim düşüncem "yapay zeka" teriminin bilimsel tanımının mevcut olmadığıdır. Sadece bilimsel kurgu var. Ve bir gerçeğe ihtiyacınız olursa, makaledeki sonuçlarda s.5'e bakınız.

PPPS: Makaleyi yazdıktan sonra birçok farklı yorumları anladım. Örneğin, bağımlılık sorusu-cevabı arayışı yaklaşık olarak. Veya Tahmin fonksiyonları arayışı sırasında bulunan manifoldlardan istenen işlevi çekmenin daha doğru bilimsel tanımları nelerdir. Her küçük anlayış anı için ayrı bir makale yazmak imkansızdır ve her şey genel olarak imkansızdır, çünkü bir başlığa birleştirilmez. Ve tüm bu anlayışlar bir cevap verir, bilgisayar hesaplama güçlerinden istenen sorular, Watson projesinin olduğu gibi, her zaman mevcut açıklamalarda okunamayacağınız cevaplar. Bir söz ya da parmak hareketi olan bir program oluşturma, ondan ne istediklerini anlamaya ve yapmaya çalışıyor.

Bazen böyle bir program yapılacaktır. Ve onlar başka bir gadget diyecekler. Ve AI değil.

****
Bu konudaki kaynaklar, yanı sıra görüşün daha da gelişmesi sitede bulunabilir.

Yapay zekanın başarıyla gelişmesi nasıl oldu ve "doğru" tanımı hala değil mi? Nörbilgisayarlara atılan umutlar neden yapay zekanın yaratıcısına bakan üç ana görev nelerdir?

Bunlar ve diğer sorular, Kedinin altındaki makalede bir cevap bulacaksınız, KONSTANTIN ANISIMOVICH, Suni Zeka alanında ülkenin önde gelen uzmanlarından biri olan ABBYY Teknoloji Geliştirme Dairesi'nin direktörü olan Konstantin Anisimovich'in konuşmasına dayanarak yazılmıştır.
Kişisel katılımıyla, ürünlerde kullanılan belge tanıma teknolojileri oluşturuldu. ABBYY FineReader. Ve ABBYY FormReader. Konstantin, Mail.ru Technopark'ın öğrencileri için ana sınıflardan birinde AI'nin gelişmesinin tarihi ve temelleri hakkında konuştu. Malzeme Master Sınıfı ve makalelerin döngüsü için bir temel haline geldi.

Toplamda, döngüde üç mesaj olacak:
Programcılar için yapay zeka

Bilgi Alma: Mühendislik Bilgi ve Makine Eğitimi

AI'deki yaklaşımların iniş ve çıkışları

1950'lerden bu yana, yapay zeka yaratma alanında iki yaklaşım seçildi - sembolik hesaplamalar ve bağlantıcılık. Sembolik hesaplamalar, beyin cihazının modellenmesi üzerine insan düşüncesinin modellenmesine ve bağlantı modellemesine dayanan bir yöndür.

Sembolik hesaplamalar alanındaki ilk başarılar, 50'li lisans dilinde ve J. Robinson'ın mantıksal çıktı alanındaki çalışmalarında oluşturulmuştur. Bağlantıcılık, bir perceptron'un oluşturulmasıydı - nöronun çalışmasını simüle eden kendi kendine öğrenen bir lineer sınıflandırıcı. Daha fazla parlak başarılar, çoğunlukla sembolik paradigmaya paraleldir. Özellikle, bunlar, algı psikolojisi alanında Seimur Piperta ve Robert Anton Winson'ın eserleridir ve tabii ki Marvin Minsk free.

70'lerde, ilk ortaya çıktı uygulama SistemleriYapay zeka - uzman sistemlerin unsurlarını kullanma. Daha sonra, çok katmanlı sinir ağlarının ortaya çıkmasıyla bir bağlantı rönesansı ve geri dönüşüm yöntemi ile öğrenmeleri için algoritma vardı. 80'lerde, hobi nöral ağlar Sadece yazıyordu. Bu yaklaşımın destekçileri neredeyse insan beyni olarak çalışacak nöromilgisayarlar yaratmaya söz verdi.

Ancak bundan özel bir şey çıkmadı, çünkü gerçek nöronlar, çok katmanlı sinir ağlarının dayandığı resmi olandan çok daha karmaşık düzenlenir. İnsan beynindeki nöron sayısı da sinir ağında göze alabildiğinden çok daha fazladır. Çok katmanlı sinir ağlarının uygun olduğu ana şey - bu, sınıflandırma görevinin çözümüdür.

Yapay zeka alanındaki bir sonraki popüler paradigma makine öğrenmesi haline gelmiştir. Yaklaşım, 80'lerin sonlarından bu yana hızla büyümeye başladı ve popülerlik ve öyküsünü kaybetmedi. Makine öğrenmesinin gelişmesi için önemli bir ivme, internetin ortaya çıkmasına ve Çok sayıda Algoritmaları öğretmek için kullanılabilecek çeşitli kolayca erişilebilir veriler.

Yapay zekanın tasarımındaki temel görevler

Yapay zekaya ilişkin akrabaların analiz edilebileceği analiz edilebilir. Genel, genel olarak bilinen, açıkça tanımlanmış bir çözüm prosedürünün eksikliği olduğunu görmek kolaydır. Bu, aslında, AI'ye ait görevler, derleme veya bilgi işlem matematiği teorisinin görevlerinden farklıdır. Akıllı sistemler suboptimal problem çözümleri arıyor. Yapay zekanın bulunduğu çözeltinin kesinlikle optimal olacağı ve garajının kanıtlanması imkansızdır. Bununla birlikte, çoğu pratik problemlerde, alt-optimal çözümler hepsi düzenlenmiştir. Ayrıca, kişinin neredeyse asla görevi en iyi şekilde çözmeyeceği hatırlanmalıdır. Aksine, aksine.

Çok önemli bir soru var: AI, çözüm algoritması olmayan görevi nasıl çözebilir? Öz, bir kişi ile aynı şekilde yapmak ve makul hipotezleri kontrol etmek ve kontrol etmektir. Doğal olarak, hipotezlerin aday gösterilmesi ve kontrol edilmesi için bilgi gereklidir.

Bilgi, akıllı sistemin çalıştığı konu alanının bir açıklamasıdır. Doğal dilin sembollerinin tanıma sistemine sahibiz, daha sonra bilgi karakter cihazının açıklamalarını, metnin yapısı ve dilin belirli özelliklerini içerir. Bu, müşterinin kredibilitesini değerlendirmek için bir sistemse, müşteri türleri ve müşterinin profilinin potansiyel olmayan limitsizlikle nasıl ilişkili olduğu konusunda bilgi sahibi olmalıdır. Bilgi iki türdür - konu alanı ve çözüm arayışı (metabazik).

Entelektüel sistemin tasarımının temel görevleri, bilgi sunma yollarının seçimine, bilgi edinmenin yollarını ve bilgiyi uygulamanın yollarını azaltılır.

Bilginin sunumu

Bilgi sunmanın iki ana yolu vardır - beyanname ve usul. Bildirim bilgisi Yapılandırılmış veya yapılandırılmamış bir biçimde gösterilebilir. Yapılandırılmış görünümler, bir kare yaklaşımının bir veya başka bir çeşittir. Anlamsal ağlar veya çerçeve çeşitleri olarak kabul edilebilecek resmi gramer. Bu formalizmin bilgisi, aralarındaki çeşitli nesneler ve ilişkiler biçiminde sunulmaktadır.

Yapılandırılmamış görünümler genellikle sınıflandırma görevlerini çözme ile ilişkili alanlarda kullanılır. Bu genellikle ağırlık katsayılarının, olasılıkların ve benzerlerinin tahminlerinin vektörleridir.

Neredeyse tüm yapılandırılmış bilgi sunumunun tüm yöntemleri, 1970'lerde MFISIAL sahnelerin algılanması için bilgi yapısını belirlemek için MIT'den MITS'den Marvin Minsk'i tanıttı. Çıktığı gibi, bu yaklaşım hemen hemen her görev için uygundur.

Çerçeve, slot adı verilen bir isim ve bireysel birimlerden oluşur. Slotun anlamı, sırayla başka bir çerçeveye bağlantı ... çerçeve, yuva değerlerini devraldığı başka bir çerçevenin soyundan olabilir. Bu durumda, soyundan ataların yuvalarının değerlerini geçersiz kılabilir ve yenilerini ekleyebilir. Kalıtım, bir açıklama daha kompakt yapmak ve çoğaltmayı önlemek için kullanılır.

Çerçevenin nesneye tekabül ettiği çerçeveler ve nesne yönelimli programlama arasında benzerlik olduğunu görmek kolaydır ve slot alandır. Benzerlik rastgele değildir, çünkü çerçeveler OOP kaynaklarından biriydi. Özellikle, ilk nesneye yönelik küçük konuşma dillerinden biri, pratik olarak nesnelerin ve sınıfların çerçeve gösterimlerini uygular.

İçin prosedürel temsil Bilgi kullanılan ürünler veya ürün kurallarıdır. Ürün modeli, "Durum - Eylem" önerileri biçiminde bilgiye izin veren kurallara dayanan bir modeldir. Bu yaklaşım popülerdi Çeşitli sistemler teşhis. Belirtileri, problemleri veya arızaları ve eylem biçiminde, bu semptomların varlığına yol açan olası bir arıza olanı tanımlamak için şart biçiminde oldukça doğaldır.

Bir sonraki makalede, bilginin nasıl uygulanacağı hakkında konuşacağız.

Bibliyografya.

1. John Alan Robinson. Çözünürlük ilkesine göre makine odaklı bir mantık. ACM'nin İletişimleri, 5: 23-41, 1965.
2. Seymour Papert, Marvin Minsky. Perceptrons. MIT BASIN, 1969
3. Russell, Norvig. Yapay zeka: Modern bir yaklaşım.
4. Simon Haykin. Sinir Ağları: Şefkatli bir temel.
5. Nils J. Nilsson. Yapay zeka: Yeni bir sentez.

Yapay zekanın başarıyla gelişmesi nasıl oldu ve "doğru" tanımı hala değil mi? Nörbilgisayarlara atılan umutlar neden yapay zekanın yaratıcısına bakan üç ana görev nelerdir?

Bunlar ve diğer sorular, Kedinin altındaki makalede bir cevap bulacaksınız, KONSTANTIN ANISIMOVICH, Suni Zeka alanında ülkenin önde gelen uzmanlarından biri olan ABBYY Teknoloji Geliştirme Dairesi'nin direktörü olan Konstantin Anisimovich'in konuşmasına dayanarak yazılmıştır.
Kişisel katılımıyla, ABBYY FineReader ve ABBYY FormReader ürünlerinde kullanılan belge tanıma teknolojileri oluşturuldu. Konstantin, Mail.ru Technopark'ın öğrencileri için ana sınıflardan birinde AI'nin gelişmesinin tarihi ve temelleri hakkında konuştu. Malzeme Master Sınıfı ve makalelerin döngüsü için bir temel haline geldi.

Toplamda, döngüde üç mesaj olacak:

Bilgi Uygulaması: Mekansal Arama Algoritmaları
Bilginin alınması: Akıllı sistemlerin tasarımı ve makine öğrenmesi

AI'deki yaklaşımların iniş ve çıkışları

1950'lerden bu yana, yapay zeka yaratma alanında iki yaklaşım seçildi - sembolik hesaplamalar ve bağlantıcılık. Sembolik hesaplamalar, beyin cihazının modellenmesi üzerine insan düşüncesinin modellenmesine ve bağlantı modellemesine dayanan bir yöndür.

Sembolik hesaplamalar alanındaki ilk başarılar, 50'li lisans dilinde ve J. Robinson'ın mantıksal çıktı alanındaki çalışmalarında oluşturulmuştur. Bağlantıcılık, bir perceptron'un oluşturulmasıydı - nöronun çalışmasını simüle eden kendi kendine öğrenen bir lineer sınıflandırıcı. Daha fazla parlak başarılar, çoğunlukla sembolik paradigmaya paraleldir. Özellikle, bunlar, algı psikolojisi alanında Seimur Piperta ve Robert Anton Winson'ın eserleridir ve tabii ki Marvin Minsk free.

70'lerde, yapay zeka - uzman sistemlerinin elemanlarını kullanarak, ilk uygulamalı sistemler ortaya çıktı. Daha sonra, çok katmanlı sinir ağlarının ortaya çıkmasıyla bir bağlantı rönesansı ve geri dönüşüm yöntemi ile öğrenmeleri için algoritma vardı. 80'lerde, sinir ağları için tutku basitçe dövüldü. Bu yaklaşımın destekçileri neredeyse insan beyni olarak çalışacak nöromilgisayarlar yaratmaya söz verdi.

Ancak bundan özel bir şey çıkmadı, çünkü gerçek nöronlar, çok katmanlı sinir ağlarının dayandığı resmi olandan çok daha karmaşık düzenlenir. İnsan beynindeki nöron sayısı da sinir ağında göze alabildiğinden çok daha fazladır. Çok katmanlı sinir ağlarının uygun olduğu ana şey - bu, sınıflandırma görevinin çözümüdür.

Yapay zeka alanındaki bir sonraki popüler paradigma makine öğrenmesi haline gelmiştir. Yaklaşım, 80'lerin sonlarından bu yana hızla büyümeye başladı ve popülerlik ve öyküsünü kaybetmedi. Makine öğreniminin gelişmesi için önemli bir ivme, internetin ortaya çıkmasını ve algoritmaları incelemek için kullanılabilecek çok sayıda farklı kolay erişilebilir veriler vermiştir.

Yapay zekanın tasarımındaki temel görevler

Yapay zekaya ilişkin akrabaların analiz edilebileceği analiz edilebilir. Genel, genel olarak bilinen, açıkça tanımlanmış bir çözüm prosedürünün eksikliği olduğunu görmek kolaydır. Bu, aslında, AI'ye ait görevler, derleme veya bilgi işlem matematiği teorisinin görevlerinden farklıdır. Akıllı sistemler suboptimal problem çözümleri arıyor. Yapay zekanın bulunduğu çözeltinin kesinlikle optimal olacağı ve garajının kanıtlanması imkansızdır. Bununla birlikte, çoğu pratik problemlerde, alt-optimal çözümler hepsi düzenlenmiştir. Ayrıca, kişinin neredeyse asla görevi en iyi şekilde çözmeyeceği hatırlanmalıdır. Aksine, aksine.

Çok önemli bir soru var: AI, çözüm algoritması olmayan görevi nasıl çözebilir? Öz, bir kişi ile aynı şekilde yapmak ve makul hipotezleri kontrol etmek ve kontrol etmektir. Doğal olarak, hipotezlerin aday gösterilmesi ve kontrol edilmesi için bilgi gereklidir.

Bilgi, akıllı sistemin çalıştığı konu alanının bir açıklamasıdır. Doğal dilin sembollerinin tanıma sistemine sahibiz, daha sonra bilgi karakter cihazının açıklamalarını, metnin yapısı ve dilin belirli özelliklerini içerir. Bu, müşterinin kredibilitesini değerlendirmek için bir sistemse, müşteri türleri ve müşterinin profilinin potansiyel olmayan limitsizlikle nasıl ilişkili olduğu konusunda bilgi sahibi olmalıdır. Bilgi iki türdür - konu alanı ve çözüm arayışı (metabazik).

Entelektüel sistemin tasarımının temel görevleri, bilgi sunma yollarının seçimine, bilgi edinmenin yollarını ve bilgiyi uygulamanın yollarını azaltılır.

Bilginin sunumu

Bilgi sunmanın iki ana yolu vardır - beyanname ve usul. Bildirim bilgisi Yapılandırılmış veya yapılandırılmamış bir biçimde gösterilebilir. Yapılandırılmış görünümler, bir kare yaklaşımının bir veya başka bir çeşittir. Yani, çerçeve çeşitleri olarak kabul edilebilecek çerçeveler veya resmi gramer. Bu formalizmin bilgisi, aralarındaki çeşitli nesneler ve ilişkiler biçiminde sunulmaktadır.

Yapılandırılmamış görünümler genellikle sınıflandırma görevlerini çözme ile ilişkili alanlarda kullanılır. Bu genellikle ağırlık katsayılarının, olasılıkların ve benzerlerinin tahminlerinin vektörleridir.

Neredeyse tüm yapılandırılmış bilgi sunumunun tüm yöntemleri, 1970'lerde MFISIAL sahnelerin algılanması için bilgi yapısını belirlemek için MIT'den MITS'den Marvin Minsk'i tanıttı. Çıktığı gibi, bu yaklaşım hemen hemen her görev için uygundur.

Çerçeve, slot adı verilen bir isim ve bireysel birimlerden oluşur. Slotun anlamı, sırayla başka bir çerçeveye bağlantı ... çerçeve, yuva değerlerini devraldığı başka bir çerçevenin soyundan olabilir. Bu durumda, soyundan ataların yuvalarının değerlerini geçersiz kılabilir ve yenilerini ekleyebilir. Kalıtım, bir açıklama daha kompakt yapmak ve çoğaltmayı önlemek için kullanılır.

Çerçevenin nesneye tekabül ettiği çerçeveler ve nesne yönelimli programlama arasında benzerlik olduğunu görmek kolaydır ve slot alandır. Benzerlik rastgele değildir, çünkü çerçeveler OOP kaynaklarından biriydi. Özellikle, ilk nesneye yönelik küçük konuşma dillerinden biri, pratik olarak nesnelerin ve sınıfların çerçeve gösterimlerini uygular.

İçin prosedürel temsil Bilgi, ürünler veya ürün kuralları kullanılır. Ürün modeli, "Durum - Eylem" önerileri biçiminde bilgiye izin veren kurallara dayanan bir modeldir. Bu yaklaşım, çeşitli teşhis sistemlerinde popüler olarak kullanılır. Belirtileri, problemleri veya arızaları ve eylem biçiminde, bu semptomların varlığına yol açan olası bir arıza olanı tanımlamak için şart biçiminde oldukça doğaldır.

Bir sonraki makalede, bilginin nasıl uygulanacağı hakkında konuşacağız.

Bibliyografya.

1. John Alan Robinson. Çözünürlük ilkesine göre makine odaklı bir mantık. ACM'nin İletişimleri, 5: 23-41, 1965.
2. Seymour Papert, Marvin Minsky. Perceptrons. MIT BASIN, 1969
3. Russell, Norvig. Yapay zeka: Modern bir yaklaşım.
4. Simon Haykin. Sinir Ağları: Şefkatli bir temel.
5. Nils J. Nilsson. Yapay zeka: Yeni bir sentez.

Yapay zekayı programlama problemine adanmış bir dizi yayın başlatıyorum. Bu döngünün amacı, yapay zekanın programlanmasından (genel ilkeler anlamında) nasıl yapıldığını göstermektir.

"Yapay zeka" kavramı, bilgi işlem teknolojisinin şafağında bir yerde meydana geldi. Onurlu yaşa rağmen, bu terim doğru bir tanım yoktur ve her zaman sezgisel bir anlamda anlaşılır. Genellikle yapay zekanın alanının, bir kişinin bir bilgisayardan daha iyi çözdüğü görevleri içeren bu görevleri içerdiği söylenir. Böylece, yapay zeka çerçevesinde çözülen sorunların çemberi sürekli değişir. Örneğin, birkaç yıl önce, Eum oyunu, AI'nin hazırlığı olan satrançta (İngilizce Artifelence - suni zekasından) eğitimdeydi, ancak bugün gittikçe daha fazla uzman, satranç oyununun artık bir sorun olmadığına inanıyor. yapay zeka. Günümüzde, AI'nin altında çözülen ana problemler yaklaşık olarak aşağıdakilerdir: uzman sistemleri oluşturmak, seçeneklerin tam büstü teorik olarak imkansız (programlama oyunları dahil), biyolojik formları, görüntü tanıma modellemesidir. Tüm bu görevleri çözmenin temel ilkeleri, yetmişli yılların başında geri döndü, ancak AI'nın görevlerinin çok kaynak yoğun olması nedeniyle, bu gelişimi sadece bugün aldılar.

Görevlerin AI'sini çözmek için, yetmişli yılların başında - Prolog (Prolog) ve Lisp (LISP) başında iki özel programlama dili oluşturulmuştur. Yapay zekanın modern geliştiricisi, her birine serbestçe sahip olmalıdır. Sonra, özelliklerinin en özelliğine odaklanacağız.

Tarihsel olarak, Lisp daha eski. Temsil ettiği kavram işlevsel programlama denir, bu, geleneksel bir algoritmik yaklaşımın doğrudan devamıdır. LISP programı, hesaplamanın, programın sonucu olan bir fonksiyondur ve argümanlar en sık işlevlerin diğer zorluklarıdır. Objektif nedenlerden dolayı, fonksiyonları çağırırken canlı bir kayıt, herhangi bir fonksiyonun çağrısı, birinci eleman, fonksiyonun adı olan listeyi kullanarak gerçekleştirilir ve diğer tüm elementler argümanlardır. Örneğin, A ve B iki numaranın eklenmesi şöyle görünebilir: (bir b), üç sayının eklenmesi aşağıdaki gibidir: (A (ekle B c) ekleyin). Lisp'in en önemli özelliği, AB ekleme kaydının sadece bir fonksiyon çağrısının bir listesi değil, aynı zamanda üç bileşen içeren bir veri elemanı olarak bir liste, AD, A ve B. bir liste olarak bir liste olabilir. Kullanılmalı veya LISP'nin bir parçası programın kendisi tarafından kabul edilebileceği için yorumlanmalıdır. Böylece, program AI uygulamaları için son derece önemli olan kendi kodunu değiştirebilir.

Prolog benim için Lisp'ten daha ilginçtir, çünkü temel olarak algoritmikten farklı ve hedef veya bildirim programlaması olarak adlandırılan programlamaya bir yaklaşım kullanır. Algoritmik programlama ile, programın yürütülmesi gereken bir eylemi belirledik, yani. Nasıl çalışması gerektiğini açıklayın. Deklaratif programlama ile, programın yapması gerektiğini ve bu işlemlerin nasıl uygulanacağını, prolog sisteminin durumu. Tipik bir prolog-görevi düşünün - İlgili ilişkilerin bu veya diğer insanların olduğu tanımı. Kaynak olarak, X'in (X, Y) oranını, X'in ebeveyni olduğunu belirtir ve ilişki bir erkek (x) ve bir kadın (x) olduğunu, yüzün kişiliğini birine gösterir. yerler. Ardından, program için kaynak verileri böyle görünebilir.

adam (Sergey). Kadın (Tamara). Erkek (semyon). Kadın (Lyudmila). Adam (Paul).

ebeveyn (Sergey, Semen). Ebeveyn (Tamara, Semen). Ebeveyn (Semen, Paul).

ebeveyn (Lyudmila, Pavel)

Gördüğünüz gibi, bu doğal olarak soylu bir ağacı temsil eden küçük bir veritabanıdır. İfadelerinin her biri, prologda bu tür ifadelerde gerçekler denir. Baz kolayca genişletilebilir.

Şimdi, büyükbabanın (X, Y) 'nın yürütülmesini tanıtıyoruz, X Büyükbabası Y'SI olup olmadığını belirtir. İki adet prolog sembolü kullanıyoruz - bir sonraki kayıttaki virgül bir mantıklı ve sembolü gösterir: -

büyükbaba (X, Y): - Ebeveyn (x, z), Ebeveyn (Z, Y), Man (x).

Bu şartlı kayıt, veritabanının aynı elemanıdır ve gerçekler, prologda, bu tür eşyaların kurallara da adlandırılır.

Aslında, yazdığımız Prolog programı çok şey yapabilir (sadece algoritmik programlama ile tanıdık olanları kesinlikle şaşırtacak). Başladıktan sonra, Prolog sistemi soruyu girmek için bir istek verecektir. Başlamak için, büyükbabası (x, paul) (Rusça, bu soru şöyle görünüyor: "Büyükbaba Paul'u kim?"), Sistem X \u003d Sergey verecek. Şimdi Dede (Tamara, Paul) ("Tamara'nın Pavel'in Büyükbabası mı?" Diye sor.). Cevabı no (hayır) alıyoruz. Ebeveynden (X, _) (Prologue _ 'nun bu öğenin değerinin bizim için önemli olmadığını, ardından bu girişin Rusça, "başkasının ebeveyni kim olduğu gibi" olduğunu belirtir.). X \u003d Sergey, X \u003d Tamara, X \u003d Tohum, X \u003d Lyudmila elde ediyoruz. Bu, programımız tarafından bitkin olmaktan uzakta sorulabilecek bir soru dairesidir.

Gördüğünüz gibi, nesneler arasındaki ilişkilerin göreviyle ilişkili görevlerde, Prolog, Pascal veya C türünün algoritmik dillerinden çok daha güçlüdür. Program veritabanının (gerçekler ve kurallar içeren), programın veya kullanıcının kendisinin yürütülmesi sırasında dinamik olarak değiştirilebileceğini eklerseniz, prologun yapay zeka alanında geliştirmek için ne kadar faydalı olduğunu açıkça ortaya çıkar.

Okuyucu LISP ve Prolog ile ilgileniyorsa, onları kendi başına keşfedebiliyor - dillerinde çok basit. Sonraki yayınlardaki dilsel konularda durmayacağım, yalnızca AI alanında temel programlama yöntemlerine dikkat etmeye çalışıyor.

Denis margolin
[E-posta Korumalı]