Выше уже частично рассматривались такие понятия, как "знания" и "системы, основанные на знаниях", и отмечалась их особая значимость в теории искусственного интеллекта. Сделаем еще одно весьма важное замечание в настоящее время в области разработки систем искусственного интеллекта сложилась следующая аксиома никакой, самый сложный и изощренный алгоритм извлечения информации (так называемый механизм логического вывода) из интеллектуальной системы не может компенсировать "информационную бедность" ее базы знаний. [c.416]
Ситуационное управление —метод управления сложными техническими и организационными системами, основанный на идеях теории искусственного интеллекта представление знаний об объекте управления и способах управления им на уровне логико-лингвистических моделей, использование обучения и обобщения в качестве основных процедур при построении процедур управления по текущим ситуациям, использование дедуктивных систем для построения многошаговых решений. Излагается методология ситуационного управления, его теоретические основы и приводятся примеры его конкретных применений. [c.2]
Теперь надо сказать несколько слов о том, почему эта книга выходит в серии книг Проблемы искусственного интеллекта , чья эмблема украшает обложку книги. Идеи ситуационного управления, как узнает об этом читатель из исторического очерка, помещенного в Приложении, возникли куда раньше того момента, когда на горизонте исследователей появилась новая наука — теория искусственного интеллекта. Но логика рождения новых научных направлений такова, что они никогда не зарождаются на пустом месте, не возникают, как феникс, из ничего. Новое зреет и зарождается в недрах старых , признанных наук. Только тогда, когда это созревание достигнет определенного уровня, происходит рождение новой науки или новой научной парадигмы. [c.7]
Искусственный интеллект, этот кумир сегодняшнего дня, конечно, не был исключением. То, что потом вошло в него, возникало в недрах кибернетики и лингвистики, психологии и программирования. Если очень сжато (и поэтому неточно с позиций пуриста) определить, что сегодня понимают под теорией искусственного интеллекта, то можно сказать, что это наука о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения практических задач. Другими словами, системы, изучаемые в рамках искусственного интеллекта и создаваемые в русле этой науки, это системы, работа которых опирается на знания, отражающие семантику и прагматику того внешнего мира, в котором действуют интеллектуальные системы. [c.7]
И последнее замечание. Как следует из Исторического очерка развития ситуационного управления, приведенного в конце книги, оно возникло много раньше, чем сформировалось активно развивающееся сейчас научное направление, называемое теорией искусственного интеллекта. У ситуационного управления много общего с методами, характерными для исследований в области искусственного интеллекта. По ходу изложения эти аналогии мы будем отмечать, что поможет читателю использовать из арсенала теории искусственного интеллекта не только терминологию, но и те результаты, которые там получены, для обогащения своих систем управления сложными объектами. [c.32]
Характерной особенностью конца семидесятых годов стало существенное расширение понимания ситуационного управления. Фактически ситуационное управление стало рассматриваться с единых позиций семиотического моделирования и управления. Причиной этого послужило бурное развитие в теории искусственного интеллекта той области, которая носит название представление знаний. Ситуационное управление на десяток лет предвосхитило развитие этой области, впервые начав работать со структурированной информацией. В ситуационном управлении были созданы первые модели представления знаний и языков представления и манипулирования знаниями. Поэтому новые веяния в области искусственного интеллекта, активное развитие теории семантических сетей и фреймовых представлений были восприняты коллективами, накопившими большой опыт в области ситуационного управления с ходу , позволили воспринять новые идеи и использовать их в своих разработках. Столь же безболезненно произошел переход к языкам программирования нового типа (ЛИСП и его расширения ФРЛ). В этом плане специалисты, овладевшие принципами ситуационного управления, оказались на передовых рубежах работ в области искусственного интеллекта. [c.258]
На протяжении 15 лет авторы настоящей работы развивают подход, связанный с использованием аппарата математической теории категорий для формализации ряда универсальных понятий теории искусственного интеллекта. Данная работа посвящена изложению основных моментов этого подхода. [c.210]
Математическая теория нечетких множеств, созданная в 60-е гг. для решения узкой утилитарной задачи распознавания образов, в настоящее время имеет приложения в самых различных областях научной и хозяйственной деятельности — от работ по созданию искусственного интеллекта в ЭВМ пятого поколения до управления сложными технологическими процессами. [c.184]
Логическая модель основывается на принципах обучающихся и самообучающихся систем. Системообразующие понятия "обучение" и "самообучение" были предложены еще "отцом" кибернетики Н. Винером /37/. В настоящее время они широко используются в различных теориях управления (математическом и имитационном моделировании в технических и социально-экономических системах управления, качественном анализе управляемых процессов, теориях выбора вариантов, построения человеко-машинных систем управления, адаптации, искусственного интеллекта и т.д.). [c.160]
Я был свидетелем того, как на протяжении многих лет развивался технический анализ от использования простейших калькуляторов до таких экзотических высоких технологий, как искусственный интеллект, теория хаоса, оптимизационные модели, нейронные сети и так далее. Наступление передовой математической теории и новейшего программного обеспечения привело к тому, что трейдеры утратили интерес к простым, основополагающим аналитическим методам и инструментам, которые много лет являлись "рабочей лошадкой". Однако единственное, что смогли дать высоко интеллектуальные технологии — это чувство безопасности, по большей части весьма обманчивое а вот выдающихся результатов их приверженцы достичь не сумели. Все это позволяет мне предсказать возрождение интереса в ближайшем будущем к простым аналитическим методам. Я также надеюсь, что моя книга послужит своего рода катализатором этого возрождения. [c.8]
Я мог бы рассказывать вам много жутких историй о трейдерах, проигравших огромные суммы денег из-за того, что они не верили в необходимость ограничивать убытки и позволять прибылям расти при малейшей возможности. ТЪ, кто потерял много денег, отлично знают эту простую истину, но, когда им самим выпадал шанс получить прибыль, они его упускали. Оказавшись в убытке, они чаще всего были уверены, что рынок скоро развернется в их сторону. И лучше верить именно этому, если нет какой-либо иной возможности. Сегодня мы имеем "нечеткую логику" и "искусственный интеллект", теории хаоса, случайных структур и, Бог знает, сколько еще других инструментов, которые, как мы полагаем, могут прогнозировать поведение рынков. И если какой-либо новый метод показывает хорошие результаты, его автор заявляет "Смотрите, я же говорил, что это будет работать". Но, если метод эффективен, это означает, что он хорошо блокирует убытки и дает возможность прибыли вырасти. Я считаю, теоретики рынка сами себя убеждают, что их образование и навыки стоят большего, чем простое эмпирическое правило. Хотя, возможно, в своих сложных логических построениях они тоже правы. Тем не менее общее правило успешной торговли очень простое ограничивать потери и обеспечивать рост прибыли. Вот самая надежная логика. [c.183]
Попытки использовать компьютеры и сложные математические теории для анализа рынка и его прогнозирования не прекращаются, и огромное количество ученых занимаются исследованием финансовых рынков. Но до сих пор, несмотря на периодические всплески оптимизма по отношению к таким исследованиям, реальных и значимых результатов не достигнуто. Мы относимся достаточно скептически к этим исследованиям, так же как и к возможности создания искусственного интеллекта. Однако наш скептицизм не является абсолютным. Тем более, что автор в свое время достаточно времени посвятил проблемам искусственного интеллекта. Мы попробуем [c.163]
Для эффективного функционирования логистических модулей активно привлекаются известные оптимизированные методы решения технологических задач, а при наличии экспертных экономических систем еще и методы искусственного интеллекта, теории нечетных множеств и др. [c.119]
Искусственный интеллект связывают с обработкой текстов, устных сообщений на естественном языке, с анализом и обработкой информации (распознавание всех видов изображений, доказательство теорем, логический вывод и т.д.). [c.41]
Данное направление непосредственно связано с проблемой искусственного интеллекта или поискового конструирования. Хотя пока трудно описать сам процесс творчества в проектировании, анализ все же показывает, что в основе проектирования лежат объективные закономерности, позволяющие строить и развивать теорию проектирования. [c.176]
В теории кибернетических систем, в особенности при их создании с искусственным интеллектом, также используют представления о риске. В этом случае риск связывают с неправильным срабатыванием кибернетического устройства. В частности, это связано с так называемой проблемой гонок. Явление гонок возникает, если по условиям срабатывания кибернетического устройства одновременно должны изменить свое состояние несколько элементов памяти, при этом элемент, который изменит состояние раньше других (т.е. элемент, выигравший гонки), может изменить сигналы на входах элементов памяти, участвующих в гонках, что может привести к установке кибернетического устройства в неправильное состояние. Применительно к таким системам разработаны методы выявления гонок и их устранения, а также способы устранения опасностей гонок при их допущении. [c.24]
Исследования по машинному зрительному восприятию обстановки занимают важное место в тематике лабораторий по искусственному интеллекту по двум основным причинам. Прежде всего понимание механизма зрительного восприятия само по себе представляет большой интерес. С позиции искусственного интеллекта можно по-новому взглянуть на старые проблемы зрительного восприятия, и этот подход раскрывает наиболее общие аспекты зрения, не зависящие от того, является ли субъектом зрительного восприятия человек или машина. Во-вторых, проблемы, которые возникают в процессе изучения зрительного восприятия, играют решающую роль и для развития общей теории интеллекта. Обеспечив машину способностью видеть, можно глубоко исследовать существо таких проблем, как взаимодействие информации в многоуровневых системах и организация больших систем. Выводы по этим ключевым проблемам, полученные на основе исследования системы зрительного восприятия, представляются достаточно содержательными, поскольку, не будучи тривиальными, они в то же время остаются вполне понятными и объяснимыми. [c.47]
Хотя ни одна из предшествующих теорий, которую можно встретить в области искусственного интеллекта, психологии и в литературе по другим вопросам, не дает полного объяснения подобной способности, основная ее идея весьма проста [c.69]
Сама по себе теория есть нечто детализированное, но именно исследование этих деталей посредством написания программ и экспериментирования с ними придает теории ясное содержание. Многократные улучшения и проверки теории, воплощенной в виде программы, представляют важную часть методологии искусственного интеллекта. [c.73]
Мы начали нашу статью с утверждения, что изучение зрительного восприятия вносит вклад как в проблемы искусственного интеллекта, так и в теорию зрительного восприятия. Исследования в этих направлениях уже в течение ряда лет про- [c.86]
Рафаэль [33] предложил объединить под названием искусственный интеллект такое направление исследований, которое занимается поиском путей решения задач, в настоящее время не поддающихся решению на ЭВМ. Как только в определенной области достигаются значительные успехи, она с молчаливого согласия переводится в соответствующую категорию вычислительной науки — информационный поиск, теорию адаптивного управления, языки программирования, распознавание оптической информации и т. д. Единственное достоинство, которое я бы признал за этой точкой зрения, — это то, что она позволяет исследователю в области искусственного интеллекта рассматривать как свою профессиональную территорию все поле исследований, относящихся к вычислительной науке, поскольку само понятие исследования , по определению, относится лишь к тем областям, в которых еще не достигнуто значительных успехов, однако я отнюдь не уверен, будет ли это воспринято всеми специалистами в области вычислительной техники именно как достоинство. [c.378]
Если на все эти вопросы дается положительный ответ, соответствующая программа, несомненно, является примером системы с искусственным интеллектом. Если лишь некоторые ответы положительны, соответствующую программу можно только частично отнести к системам с искусственным интеллектом, ибо при ее создании исследования были сосредоточены лишь на одном или нескольких существенных компонентах интеллектуального поведения. Это могут быть, например, программы для доказательства теорем типа разработанных Робинсоном или же блоки эвристического поиска, обучения путем механического запоминания, формирования понятий и т. п. Если же все ответы отрицательны, мы, вероятно, имеем дело с традиционной обработкой данных, автоматизацией производства, цифровым управлением, распознаванием образов или чем-то аналогичным. Такие программы могут быть искусными, зачастую превосходящими возможности человека, но при описа- [c.379]
Таким образом, каждый математический аппарат предназначен для достижения определенных целей. Использовать совместно возможности каждого аппарата в рамках общей математической теории пока не удается и вряд ли удастся в будущем, так как интеллектуальные человеческие возможности ограничены. Вряд ли найдется человек, который будет знать в совершенстве все математические методы и разработает аксиоматику общей математической теории, сопрягающей без противоречий известные математические методы. Другое дело, если учитывать возможности искусственного интеллекта и компьютера, для которого задачи поставит человек. Но это другая проблема, и не будем ее здесь обсуждать. [c.14]
Исследование операций является одним из основных источников системного анализа. Концепции и принципы анализа систем управления являются развитием основных идей теории исследования операций. Системный анализ имеет достаточно большой аппарат, который включает в себя развитый математический аппарат и современные вычислительные системы. Особенности системного анализа исходят из самой природы сложных систем. Для ликвидации проблемы или выяснения ее причин системный анализ привлекает для этого широкий спектр средств, использует возможности различных наук и различных сфер деятельности человека. Несмотря на большие преимущества теорий исследования операций и системного анализа, на практике для исследования систем управления продолжают играть решающую роль традиционные экспертные оценки, планирование экспериментов, способности человека к ассоциациям и многое другое, что пока не присуще искусственному интеллекту. [c.4]
Современный системный анализ имеет обширный инструментарий, включающий в себя развитый математический аппарат и современные вычислительные системы. И все же, какие бы успехи ни делала теория с помощью новейших современных методов, опирающихся на формализованное описание ситуаций, все еще остаются необходимыми, а подчас и играют решающую роль традиционные приемы анализа, использующие опыт и интуицию, способности человека к ассоциациям и многое другое, что лежит вне математики и пока еще не присуще искусственному интеллекту. Поэтому изложение методов системного анализа должно обязательно включать описание используемых неформальных процедур, без которых любое представление о системном анализе будет не только неполным, но и искаженным. Необходимо не только [c.140]
ИНФОРМАТИКА — наука, которая занимается изучением законов и методов накопления, сбора, передачи и обработки информации с использованием ЭВМ это область человеческой деятельности, которая осуществляется с помощью ЭВМ. В качестве науки информатика сформировалась к 1960-м гг. Основными направлениями информатики являются теоретические основы вычислительной техники, информационная технология, вычислительный эксперимент, искусственный интеллект, теория информации, программирование. [c.250]
Наконец, наиболее цитируемым определением третьего типа является следующее искусственный интеллект — это область знаний, которая находит применение при решении задач, связанных с обработкой информации на естественном языке, автоматизацией программирования, управлением роботами, машинным зрением, автоматическим доказательством теорем, разумными машинами извлечения информации и т. д. [34]. [c.414]
Для специалистов в области теории управления и систем искусственного интеллекта. [c.2]
При таком понимании области исследований, относящихся к искусственному интеллекту, работы в области ситуационного управления, без всякой натяжки, к ней принадлежат. Зародившись в недрах теории управления большими системами, ситуационное управление с самого начала было ориентировано на использование знаний об объекте управления и способах управления им, которые не могут быть строго формализованы, и на активный диалог с управленцем на языке, максимально приближенном к его профессиональному языку. А это значит, что включение этой книги в серию книг по искусственному интеллекту полностью оправдано. [c.7]
Собственно проблеме фэрмировния понятий так, как она понимается в задачах распознавания образов и понималась на первом этапе развития теории искусственного интеллекта, посвящено огромное количество работ. Сошлемся прежде всего на источники, уже упоминавшиеся ранее, где обсуждаются эти проблемы в рамках, близких к задачам данной книге [1.1. 1.11, 2.16]. Упомянем еще две монографии Э. Ханта [4.11, 4.12], который много занимался проблемой формирования понятий. В 4.3 мы использовали прежде всего методы разделения в пространстве признаков, описанные, например, в [4.13]. Монографию [4.14] можно использовать для ознакомления с процедурами порождения новых методов, в которых разделение осуществляется на основе значений некоторой специально конструируемой функции фу (см. 4.3). Наконец, методы кластерного анализа, о которых в этой [c.264]
Как указывалось, математическим термином для обозначения таблицы является отношение (relation), и реляционные системы берут свое начало в математической теории отношений. Основы реляционной модели данных были первоначально сформулированы доктором Э.Ф. Коддом из фирмы IBM и опубликованы в 1970 г. Эти идеи оказали широкое влияние на технологию баз данных во всех ее аспектах, а также и на другие области информационных технологий (например, искусственный интеллект и обработку текстов на естественных языках). [c.147]
Хаос не относится к разряду беспорядочных структур. Скорее, истинно обратное. Хаос - более высокая форма порядка, где случайность и бессистемные импульсы становятся организующим принципом скорее, нежели более традиционные причинно-следственные отношения в теориях Ньютона и Евклида. Поскольку природа человека и его мозг хаотичны, рынки, являясь продуктом природы и отражающие мышление человека, также представляют собой хаотичные процессы. Пришло время признать, что наше традиционное обучение дает трейдерам неверное представление и неправильные логические картосхемы. Независимо от того, какого уровня сложности применяется линейная математика, с ее преобразованиями Фурье, ортогональными функциями, методами регрессии, или за-действуется искусственный интеллект, нейронные сети, генетические алгоритмы и так далее. Все это неизбежно вводит в заблуждения трейдеров на кардинально нелинейных рынках. Рынки -порождения Хаоса. [c.34]
Очевидно, что антикризисные инновации имеют максимальный риск по сравнению с другими. Естественно, что это затрудняет внедрение методов ПГМ в обыденную практику. Появление компьютерной техники, методов искусственного интеллекта, базирующихся на эвристических и креативных теориях типа теории эмерджентно-сти, приводят к принципиально новому уровеню развития ПГМ. Появляется возможность, пусть пока еще малая, крайне слабая, но уже реальная, обоснованная тем, что ПГМ выдвинется в первый ряд, будет со временем доминировать и тем самым избавит человечество от кризисов. Конечно, до этого пока далеко, но контуры будущего налицо. ПГМ в еще большей мере задействуют методы син-64 [c.64]
Но в чем же тогда причина успеха нового подхода В том, что он (в отличие от математической логики) с самого начала был ориентирован на кибернетические приложения распространен на теорию алгоритмов и ее применения в задачах искусственного интеллекта, на теорию принятия решений, на распознавание образов, на препарирование естественного языка. Эта прикладная направленность нового подхода и привела к его популярности. Разрабатывающие его ученые указывают на то, что вероятностные методы, вполне эффективные для технических систем, в которые не включен человек, мало подходят для отображения явлений и процессов, в которых существен человеческий фактор. Последний влечет за собой более серьезные и глубокие неопределенности, вызываемые наличием у человека субъективных представлений об окружающем его мире и своей деятельности в нем. Теория нежестких объектов, в которой оценки принадлежности элементов расплывчатым множествам могут быть результатом обработки заключений экспертов и модели которой способны учитывать характер расллывания смыслов выражений естественного языка, подходит для этого, по мнению тех, кто ее развивает, лучше, чем вероятностный аппарат. [c.170]
Нечеткая логика является системой, где дробные величины увеличивают способность теории множеств моделировать реальность. Применение теории нечетких множеств обусловило успехи искусственного интеллекта. В Японии система движения поездов метро основана на нечетких понятиях. Повсюду работающие нечеткие контроллеры, начиная от электробритв до автоматических передач, так же как и промышленное оборудование, обнаруживают высокую эффективность и приспо-сабливаемость. В искусственном интеллекте гибриды нечетких правил и нейронных сетей дают в результате системы с высокой способностью к обучению и адаптированию. [c.236]
Наиболее активно подобные разработки проводятся на основе приложения теории нейронных сетей (neural network approa h), появившейся в результате попыток создания искусственного интеллекта. [c.38]
Лит. Рей ты аи У. Р., Познание и мышление, пер. с англ., М., 1968 Бенерджи Р., Теория решения задач. Подход к созданию искусственного интеллекта, пер. с англ., М., 1972 П о с п е л о в Д. А., Пушкин В. II., Мышление и автоматы, М., 1972 Автоматы и разумное поведение, К., 197,4 Нильсон Н., Искусственный интеллект. Методы поиска решений, пер. с англ., М., I97. i С л э и г л Д ж., Искусственный интеллект. Подход на основе эвристического программировании, пер. с англ., М., 1 )7.Ч А леке а н дров Е. А., Основы теории эвристических решений. Подход к изучению естественного п построению искусственного интеллекта, М., 1975 IT o-с п е л о в Г. С., Поспелов Д. А., Искусственный интеллект, (.Вестник АН СССР , 1975, JN 10 II оков Э. В., Ф и р д-м а н Г. Р., Алгоритмические основы интеллектуальных роботов и искусственного интеллекта, М., 1976 Естественный и искусственный интеллект (концептуальный подход). Материалы 1V международной объединенной конференции по искусственном у интеллекту, Тб., 1976 Дуда Р., X а р т П., Распознавание образов и анализ сцен, пер. с англ., М., 1976 Т им о ф е е в А. В., Роботы и искусственный интеллект, М., 1978 Хан т .)., Искусственный интеллект, пер. с англ., М., 1978 Р а ф а з л Б., Думающий компьютер, пер. с англ., М., 1979. [c.631]
За последние десятилетия в связи с созданием электронных информаци-оннно-логических машин, способных решать сложные задачи развития новых научных направлений (кибернетика, теория систем, теория информации и др.) быстро распространился и успешно утвердился термин искусственный интеллект . Этот термин обозначает машинные аналоги психических процессов приема, сохранения и целенаправленной переработки информации. [c.23]