Inxhinieria e njohurive është një grup metodash, modelesh dhe teknikash që synojnë krijimin e sistemeve të dizajnuara për të gjetur zgjidhje për problemet bazuar në njohuritë ekzistuese. Në fakt, ky term kuptohet si metodologji, teori dhe teknologji, që mbulon metodat e analizës, nxjerrjes, përpunimit dhe prezantimit të njohurive.
Thelbi i inteligjencës artificiale qëndron në analizën shkencore dhe automatizimin e funksioneve intelektuale të qenësishme tek njeriu. Në të njëjtën kohë, kompleksiteti i zbatimit të makinerive të tyre është i përbashkët për shumicën e problemeve. Studimi i AI bëri të mundur që të sigurohemi që pas zgjidhjes së problemeve qëndron nevoja për njohuri eksperte, pra krijimi i një sistemi që jo vetëm të mësojë përmendësh, por edhe të analizojë dhe përdorë njohuritë e ekspertëve në të ardhmen; mund të përdoret për qëllime praktike.
Historia e termit
Inxhinieria e njohurive dhe zhvillimi i sistemeve inteligjente të informacionit, në veçanti sistemet e ekspertëve, janë të lidhura ngushtë.
Në Universitetin Stanford në SHBA në vitet 60-70, nën drejtimin e E. Feigenbaum, njëSistemi DENDRAL, pak më vonë - MYCIN. Të dy sistemet kanë marrë titullin ekspert për shkak të aftësisë së tyre për t'u grumbulluar në memorien e kompjuterit dhe për të përdorur njohuritë e ekspertëve për zgjidhjen e problemeve. Kjo fushë e teknologjisë mori termin "inxhinieri e njohurive" nga mesazhi i profesor E. Feigenbaum, i cili u bë krijuesi i sistemeve të ekspertëve.
Afrimet
Inxhinieria e njohurive bazohet në dy qasje: transformimi i njohurive dhe ndërtimi i modelit.
- Transformimi i njohurive. Procesi i ndryshimit të ekspertizës dhe kalimi nga njohuritë e ekspertëve në zbatimin e saj softuerik. Zhvillimi i Sistemeve të Bazuara në Njohuri u ndërtua mbi të. Formati i përfaqësimit të njohurive - rregullat. Disavantazhet janë pamundësia e përfaqësimit të njohurive të nënkuptuara dhe llojeve të ndryshme të njohurive në një formë adekuate, vështirësia për të pasqyruar një numër të madh rregullash.
- Modele ndërtimi. Ndërtimi i AI konsiderohet një lloj simulimi; ndërtimi i një modeli kompjuterik të projektuar për të zgjidhur problemet në një fushë të caktuar në baza të barabarta me ekspertët. Modeli nuk është i aftë të imitojë veprimtarinë e një eksperti në nivelin njohës, por lejon marrjen e një rezultati të ngjashëm.
Modelet dhe metodat e inxhinierisë së njohurive synojnë zhvillimin e sistemeve kompjuterike, qëllimi kryesor i të cilave është të marrin njohuritë e disponueshme nga specialistët dhe më pas t'i organizojnë ato për përdorim sa më efektiv.
Inteligjenca artificiale, rrjetet nervore dhe mësimi i makinerive: cili është ndryshimi?
Një nga mënyrat për të zbatuar inteligjencën artificiale është nervorerrjet.
Mësimi makinerik është një fushë e zhvillimit të AI që synon studimin e metodave për ndërtimin e algoritmeve të vetë-mësimit. Nevoja për këtë lind në mungesë të një zgjidhjeje të qartë për një problem specifik. Në një situatë të tillë, është më fitimprurëse të zhvillohet një mekanizëm që mund të krijojë një metodë për gjetjen e një zgjidhjeje, në vend që ta kërkoni atë.
Termi i përdorur zakonisht "të mësuarit e thellë" ("thellë") i referohet algoritmeve të mësimit të makinerive që kërkojnë një sasi të madhe burimesh kompjuterike për të funksionuar. Koncepti në shumicën e rasteve lidhet me rrjetet nervore.
Ka dy lloje të inteligjencës artificiale: e fokusuar ngushtë, ose e dobët, dhe e përgjithshme, ose e fortë. Veprimi i të dobëtve ka për qëllim gjetjen e një zgjidhjeje për një listë të ngushtë problemesh. Përfaqësuesit më të shquar të AI me fokus të ngushtë janë asistentët zanorë Google Assistant, Siri dhe Alice. Në të kundërt, aftësitë e forta të AI e lejojnë atë të kryejë pothuajse çdo detyrë njerëzore. sot, inteligjenca e përgjithshme artificiale konsiderohet një utopi: zbatimi i saj është i pamundur.
Mësim makine
Mësimi me makinë i referohet metodave në fushën e inteligjencës artificiale të përdorura për të krijuar një makinë që mund të mësojë nga përvoja. Procesi i të mësuarit kuptohet si përpunimi i grupeve të mëdha të të dhënave nga makina dhe kërkimi i modeleve në to.
Konceptet e mësimit të makinerisë dhe shkencës së të dhënave, pavarësisht nga ngjashmëria e tyre, janë ende të ndryshme dhe secili përballon detyrat e veta. Të dy instrumentet përfshihen në artificialinteligjencë.
Mësimi makinerik, i cili është një nga degët e AI, është algoritme në bazë të të cilave një kompjuter është në gjendje të nxjerrë përfundime pa iu përmbajtur rregullave të vendosura në mënyrë rigoroze. Makina kërkon modele në detyra komplekse me një numër të madh parametrash, duke gjetur përgjigje më të sakta, ndryshe nga truri i njeriut. Rezultati i metodës është një parashikim i saktë.
Shkenca e të dhënave
Shkenca se si të analizohen të dhënat dhe të nxirren njohuri dhe informacione të vlefshme prej tyre (minimi i të dhënave). Ai komunikon me mësimin e makinerive dhe shkencën e të menduarit, me teknologjitë për ndërveprim me sasi të mëdha të dhënash. Puna e shkencës së të dhënave ju lejon të analizoni të dhënat dhe të gjeni qasjen e duhur për renditjen, përpunimin, marrjen e mostrave dhe rikthimin e mëvonshëm të informacionit.
Për shembull, ka informacion në lidhje me shpenzimet financiare të një ndërmarrje dhe informacion për palët që janë të ndërlidhura vetëm nga koha dhe data e transaksioneve dhe të dhënat e ndërmjetme bankare. Analiza e thellë e makinerive e të dhënave të ndërmjetme ju lejon të përcaktoni palën më të kushtueshme.
Rrjetet neurale
Rrjetet nervore, duke qenë jo një mjet i veçantë, por një nga llojet e mësimit të makinerive, janë në gjendje të simulojnë punën e trurit të njeriut duke përdorur neurone artificiale. Veprimi i tyre ka për qëllim zgjidhjen e detyrës dhe vetë-mësimin bazuar në përvojën e fituar me minimizimin e gabimeve.
Qëllimet e të mësuarit me makinë
Qëllimi kryesor i mësimit të makinerive konsiderohet të jetë automatizimi i pjesshëm ose i plotë i kërkimit të zgjidhjeve për analitike të ndryshmedetyrat. Për këtë arsye, mësimi i makinerive duhet të japë parashikimet më të sakta bazuar në të dhënat e marra. Rezultati i mësimit të makinës është parashikimi dhe memorizimi i rezultatit me mundësinë e riprodhimit të mëvonshëm dhe zgjedhjes së një prej opsioneve më të mira.
Llojet e mësimit të makinerive
Klasifikimi i të nxënit bazuar në praninë e një mësuesi bëhet në tre kategori:
- Me mësuesin. Përdoret kur përdorimi i njohurive përfshin mësimin e makinës për të njohur sinjalet dhe objektet.
- Pa mësues. Parimi i funksionimit bazohet në algoritme që zbulojnë ngjashmëritë dhe dallimet midis objekteve, anomalive dhe më pas njohin se cili prej tyre konsiderohet i pangjashëm ose i pazakontë.
- Me përforcime. Përdoret kur një makinë duhet të kryejë detyrat në mënyrë korrekte në një mjedis me shumë zgjidhje të mundshme.
Sipas llojit të algoritmeve të përdorura, ato ndahen në:
- Mësim klasik. Algoritmet e mësimit u zhvilluan më shumë se gjysmë shekulli më parë për zyrat statistikore dhe u studiuan me kujdes me kalimin e kohës. Përdoret për të zgjidhur problemet që lidhen me punën me të dhënat.
- Të mësuarit e thellë dhe rrjetet nervore. Qasje moderne për mësimin e makinerive. Rrjetet nervore përdoren kur kërkohet gjenerimi ose njohja e videove dhe imazheve, përkthimi me makinë, proceset komplekse të vendimmarrjes dhe analizës.
Në inxhinierinë e njohurive, ansamblet e modeleve janë të mundshme, duke kombinuar disa qasje të ndryshme.
Përfitimet e mësimit të makinerive
Me një kombinim kompetent të llojeve dhe algoritmeve të ndryshme të mësimit të makinerive, është e mundur të automatizohen proceset rutinë të biznesit. Pjesa krijuese - negociimi, lidhja e kontratave, hartimi dhe ekzekutimi i strategjive - u është lënë njerëzve. Kjo ndarje është e rëndësishme, sepse një person, ndryshe nga një makinë, është në gjendje të mendojë jashtë kutisë.
Probleme të krijimit të AI
Në kontekstin e krijimit të AI, ekzistojnë dy probleme të krijimit të inteligjencës artificiale:
- Legjitimiteti i njohjes së një personi si një vetëdije vetëorganizuese dhe vullnet i lirë dhe, në përputhje me rrethanat, për njohjen e inteligjencës artificiale si të arsyeshme, kërkohet e njëjta gjë;
- Krahasimi i inteligjencës artificiale me mendjen e njeriut dhe aftësitë e saj, e cila nuk merr parasysh karakteristikat individuale të të gjitha sistemeve dhe sjell diskriminimin e tyre për shkak të pakuptimësisë së aktiviteteve të tyre.
Problemet e krijimit të inteligjencës artificiale qëndrojnë, ndër të tjera, në formimin e imazheve dhe kujtesës figurative. Zinxhirët figurative te njerëzit formohen në mënyrë asociative, në kontrast me funksionimin e një makinerie; në kontrast me mendjen e njeriut, një kompjuter kërkon dosje dhe skedarë specifikë dhe nuk zgjedh zinxhirë lidhjesh shoqëruese. Inteligjenca artificiale në inxhinierinë e njohurive përdor një bazë të dhënash specifike në punën e saj dhe nuk është në gjendje të eksperimentojë.
Problemi i dytë është mësimi i gjuhëve për makinën. Përkthimi i tekstit nga programet e përkthimit shpesh kryhet automatikisht, dhe rezultati përfundimtar përfaqësohet nga një grup fjalësh. Për përkthim të saktëkërkon të kuptuarit e kuptimit të fjalisë, e cila është e vështirë për t'u zbatuar nga AI.
Mungesa e manifestimit të vullnetit të inteligjencës artificiale konsiderohet gjithashtu si problem në rrugën drejt krijimit të saj. E thënë thjesht, kompjuteri nuk ka dëshira personale, në krahasim me fuqinë dhe aftësinë për të kryer llogaritje komplekse.
Sistemet moderne të inteligjencës artificiale nuk kanë stimuj për ekzistencë dhe përmirësim të mëtejshëm. Shumica e AI-ve motivohen vetëm nga një detyrë njerëzore dhe nevoja për ta përfunduar atë. Në teori, kjo mund të ndikohet duke krijuar një reagim midis një kompjuteri dhe një personi dhe duke përmirësuar sistemin e vetë-mësimit të kompjuterit.
Primativiteti i rrjeteve nervore të krijuara artificialisht. Sot, ata kanë avantazhe që janë identike me trurin e njeriut: ata mësojnë bazuar në përvojën personale, ata janë në gjendje të nxjerrin përfundime dhe të nxjerrin gjënë kryesore nga informacioni i marrë. Në të njëjtën kohë, sistemet inteligjente nuk janë në gjendje të dyfishojnë të gjitha funksionet e trurit të njeriut. Inteligjenca e natyrshme në rrjetet nervore moderne nuk e kalon inteligjencën e një kafshe.
Efektshmëria minimale e AI për qëllime ushtarake. Krijuesit e robotëve të bazuar në inteligjencën artificiale janë përballur me problemin e paaftësisë së AI për të vetë-mësuar, për të njohur automatikisht dhe për të analizuar saktë informacionin e marrë në kohë reale.
