1 z 24
Prezentace na téma: Umělá inteligence
snímek číslo 1
Popis snímku:
Umělá inteligence Intellectus (z lat. poznání, rozumění, rozum) – schopnost myslet, racionální poznání. Předmětem vědy je „ umělá inteligence“ je lidské myšlení. Vědci hledají odpověď na otázku: jak člověk myslí? Účelem těchto studií je vytvořit model lidské inteligence a implementovat jej do počítače (Jinými slovy: naučit stroj myslet).
snímek číslo 2
Popis snímku:
snímek číslo 3
Popis snímku:
Umělá inteligence - hlavní funkce Padesátá léta byla svědkem toho, že se na obzoru poválečné vědy objevila supernova - Kybernetika, její rychlý vzestup a stejně rychlý rozpad na části, z nichž jedna je spojena se zrodem umělé inteligence (AI). A ačkoliv s chytlavým jménem novorozeněte byly spojeny (a jsou spojovány) nejrůznější naděje, brzy se ukázalo, že ať už se tato oblast vykládá jakkoli široce, jejím jádrem by se měl stát aparát pro reprezentaci a zpracování znalostí.
snímek číslo 4
Popis snímku:
Nejambicióznější apologeti se přitom domnívají, že cílem umělé inteligence je vytvoření metaznaleckého aparátu schopného spojovat filozofii, psychologii, matematiku a šířit „ nová objednávka” symbióza člověka a počítače pro všechny vědy, činnosti a dokonce i umění. Ukázalo se tedy, že hlavní úkol AI – vývoj formálních prostředků pro reprezentaci a zpracování znalostí – je velmi blízký funkci samotné matematiky.
snímek číslo 5
Popis snímku:
Dost podstatný rozdíl je však v jejich metodologických pozicích: při řešení teorie a vývoje formálních aparátů matematika pouze na periferii věnuje pozornost aplikaci těchto aparátů na problémy jiných oborů; metodologie umělé inteligence se vyznačuje opačným směrem – od studia různé formy znalostí až po vývoj souboru formálních nástrojů, ideálně pokrývajících celé spektrum oblastí činnosti.
snímek číslo 6
Popis snímku:
snímek číslo 7
Popis snímku:
Je mnoho lidských činností, které nelze předem naplánovat. Skládání hudby a poezie, dokazování teorému, literární překlad z cizího jazyka, diagnostika a léčba nemocí a mnoho dalšího... Například šachista při hraní šachů zná pravidla hry a má za cíl vyhrát hra. Jeho akce nejsou předem naprogramované. Závisí na akcích soupeře, na vznikající pozici na šachovnici, na důvtipu a osobních zkušenostech šachisty.
snímek číslo 8
Popis snímku:
snímek číslo 9
Popis snímku:
snímek číslo 10
Popis snímku:
snímek číslo 11
Popis snímku:
Jakýkoli systém umělé inteligence funguje v rámci určitého předmětová oblast(lékařská diagnostika, legislativa, matematika, ekonomika atd.) Počítač musí mít stejně jako specialista znalosti v dané oblasti Znalosti v určité předmětové oblasti, určitým způsobem formalizované a uložené v paměti počítače, se nazývá počítač. znalostní báze.
snímek číslo 12
Popis snímku:
Chcete například použít počítač k řešení problémů v geometrii. Úloha obsahuje 500 úloh různého obsahu Specialista na umělou inteligenci vloží do počítače znalosti geometrie (předpokládá se, že tak jsou ve vás uloženy učitelovy znalosti). Na základě těchto znalostí as pomocí speciálního algoritmu logického uvažování vyřeší počítač kterýkoli z 500 problémů. K tomu mu stačí sdělit pouze podmínku problému Systémy umělé inteligence fungují na základě znalostních bází v nich vložených.
snímek číslo 13
Popis snímku:
Jak vytvořit inteligentní systém na počítači? Lidské myšlení je založeno na dvou složkách: zásobě znalostí a schopnosti logického uvažování. Z toho vyplývají dva hlavní úkoly při vytváření inteligentních systémů na počítači: znalostní modelování (vývoj metod formalizace znalostí pro jejich vkládání do paměti počítače jako znalosti základna); uvažování modelování (vytváření počítačové programy napodobování logiky lidského myšlení při řešení různých problémů).
snímek číslo 14
Popis snímku:
Jedním z typů systémů umělé inteligence jsou expertní systémy Účelem expertních systémů je konzultace s uživatelem, pomoc při rozhodování. Taková pomoc se stává zvláště důležitou v extrémních situacích, například v podmínkách technické nehody, nouzové operace, při řízení vozidel. Počítač nepodléhá stresu. Rychle najde optimální, bezpečné řešení a nabídne ho danému člověku.
snímek číslo 15
Popis snímku:
Pro ty, které to zajímá: Umělá inteligence je hlavní funkcí Znalostní modelování Fuzzy matematika Informační technologie- změna epoch "Nealgoritmické" řízení... Úkoly pro specialisty nejvyšší třídyPočítač NE von Neumannovy architektury
snímek číslo 16
Popis snímku:
snímek číslo 17
Popis snímku:
Ústřední úkol AI – vytvoření znalostního aparátu (AZ) – si téměř okamžitě vyžádalo objasnění – ale o jakých znalostech vlastně mluvíme? Když už mluvíme o těch přesných, formálních, pak tato území již mají milenku - matematiku, s profesionální armádou, se kterou se dobyvatelé nových zemí nechtěli zaplést. Máme-li na mysli neformální znalosti, pak je lze klasifikovat jako: dostatečně prostudované a specifické, ale (zatím) špatně formalizované - například syntaxe přirozeného jazyka nebo lékařská diagnostika a v zásadě špatně formalizované, tedy hlavní část koncepce všech oblastí činnosti - od humanitních věd do umění a domácí sféry života.
Popis snímku:
Tuto téměř bezvýchodnou situaci zachránil L. Zadeh, který v polovině 60. let navrhl koncept lingvistické proměnné a aparát fuzzy matematiky. Umělá inteligence dostala jako dárek skutečnou kouzelnou hůlku – rychle se ukázalo, že poušť plných bílých míst na znalostní mapě lze snadno proměnit v rozmazaná (a bohužel jen virtuálně) rozkvetlá pole.
snímek číslo 20
Popis snímku:
Fuzzy-Morgana se rychle zmocnila masy: počátkem 80. let fuzzy bibliografie zahrnovala asi dvacet tisíc titulů, jejichž počet se od té doby jistě zvýšil nejméně dvakrát nebo třikrát. Ve víru nadšení zůstala nepovšimnuta jistá inherentní vada nového univerzálního nástroje - sémantika a pragmatika fuzzy aparátu byly od samého počátku samy o sobě dost nejasné: co zůstalo rozmazané, bylo CO ve skutečnosti fuzzy představuje, CO provozuje na a PROČ přesně TAK, a ne jinak. Nejasnost aparátu nevyhnutelně vedla k naprosté nejednoznačnosti výsledků jeho aplikace, která nebyla zaznamenána jednoduše proto, že zůstalo nejasné, jak ve skutečnosti tyto výsledky zkontrolovat.
snímek číslo 21
Popis snímku:
snímek číslo 22
Popis snímku:
Přestože základem programování počítačů von Neumannovy architektury bylo od samého počátku imperativní (algoritmické) řízení, koncem 60. a začátkem 70. let došlo k pokusům vyvinout alternativní způsoby organizace výpočetního procesu. Především to bylo kvůli výzkumu AI a paralelního programování pro víceprocesorové systémy. Kvalitativní pokrok v řešení tohoto problému však přinesl aparát nedostatečně určených modelů a nedávné práce v oblasti programování v omezeních, protože jsou postaveny na decentralizovaném, asynchronním, maximálně paralelním datově řízeném výpočetním procesu. Jako další krok této revoluce je možný přechod na event-based management, který výrazně zvyšuje úroveň asociativního aparátu, který organizuje proces správy dat.
snímek číslo 23
Popis snímku:
Paralelnost Neřešitelnost - problém paralelizace imperativních softwarových technologií vytvořil nepřekonatelnou bariéru pro široké použití víceprocesorových systémů. Za posledních 15 let se software a hardware změnily: úroveň automatizace návrhu hardwaru a náklady na základnu prvků po mnoho let umožňovaly masovou výrobu počítačů s libovolným počtem procesorů, avšak přizpůsobení moderních počítačů pro ně a vývoj nové softwarové produkty zůstávají úkolem, který mohou řešit pouze specialisté nejvyšší třídy a to pouze v některých speciálních případech. V novém paradigmatu IT již není souběžnost problémem, ale přirozenou vlastností jakéhokoli softwarového systému.
snímek číslo 24
Popis snímku:
Počítač NENÍ von Neumannovou architekturou. Datově řízené (a v budoucnu založené řízení na událostech) radikálně mění samotnou organizaci výpočetního procesu, činí jej asynchronním, decentralizovaným a nezávislým na počtu procesorů. Bude zapotřebí zásadní restrukturalizace známé von Neumannovy architektury moderních strojů. Existuje tedy vyhlídka nejen na změnu generací, ale i na změnu epoch, která povede ke skutečné revoluci – šoku pro „neotřesitelné základy“ IT: Algoritmus, von Neumannova architektura, deterministický a sekvenční proces jdou dolů. v historii navždy, ustupuje Modelu, multiagenturnímu a asociativně samoorganizujícímu se nedeterministickému paralelnímu procesu.
Chcete-li zobrazit prezentaci s obrázky, designem a snímky, stáhněte si jeho soubor a otevřete jej v PowerPointu na tvém počítači.
Textový obsah snímků prezentace: Prezentace do soutěže „Současnost a budoucnost“ Téma: „Rozvoj umělé inteligence“ GPOU TO „Krapivinsky Forestry Technical School“ Učitel Blazhevich L.S. Informace o AI v současnosti Umělá inteligence je disciplína, která studuje možnosti vytváření programů k řešení problémů, které vyžadují určité intelektuální úsilí, když je vykonává člověk. Umělá inteligence (AI) je v dnešní době nezbytná ve všech oblastech lidské činnosti – management, výroba, vzdělávání atd. Intelektuální systémy konstruované pomocí těchto technologií jsou navrženy tak, aby posílily mentální schopnosti člověka, pomohly mu najít efektivní řešení tzv. špatně formalizovaných a polostrukturovaných úkolů, vyznačujících se přítomností různých typů nejistot a obrovských hledat prostory. Hlavní přednost ve výzkumu dostávají neuronové sítě. Neuronové sítě jsou matematickou strukturou, která napodobuje některé aspekty lidského mozku a demonstruje jeho schopnosti, jako je schopnost neformálně se učit, schopnost zobecňovat a shlukovat neutajované informace a schopnost samostatně vytvářet předpovědi na základě již prezentovaných časových řad. Nejdůležitější rozdíl od jiných metod, jako jsou expertní systémy, je v tom, že neuronové sítě to v zásadě nepotřebují slavný model, ale sami si jej budují pouze na základě prezentovaných informací. Proto neuronové sítě a genetické algoritmy vstoupily do praxe všude tam, kde je potřeba řešit problémy prognózování, klasifikace a řízení. V praxi se neuronové sítě používají ve dvou podobách – as softwarových produktů běží na konvenčních počítačích a jako specializované hardwarové a softwarové systémy. Hlavním úkolem neuropočítačů je zpracování obrazu na základě učení. Podobně jako biologické sítě jsou umělé neuronové sítě zaměřeny na paralelní zpracování širokopásmových obrazů. Další nejdůležitější technologií je evoluční výpočetní technika (EC). Elektromobily se dotýkají praktických problémů sebe-sestavení, sebekonfigurace a samoléčení systémů sestávajících z mnoha současně fungujících uzlů. Zároveň je možné se přihlásit vědecké úspěchy z oblasti digitálních strojů. Dalším aspektem EV je použití autonomních agentů pro řešení každodenních úkolů jako osobní sekretářky, správa osobních účtů, asistenti, kteří vybírají potřebné informace v sítích pomocí vyhledávacích algoritmů třetí generace, plánovači práce, osobní učitelé, virtuální prodejci atd. aplikuje robotiku a všechny příbuzné obory. Hlavní směry vývoje jsou vývoj standardů, otevřených architektur, inteligentních shellů, skriptovacích/dotazovacích jazyků, metodologií pro efektivní interakci mezi programy a lidmi.Další skupina technologií včetně fuzzy logiky, zpracování obrazu atd. se využívá v řídicí systémy, systémy rozpoznávání obrazu, systémy reálného času, systémy pro získávání a zpracování znalostí a mnoho dalších. Tato skupina technologií je nezbytná při práci s velkým množstvím informací, jejich vyhledávání, analýze, ukládání a strukturování.Poslední skupina technologií pomáhá řešit řadu specifických problémů. Například řešení problému automatizace ve výrobě zavedením robotiky na bázi AI, tzv. automatizovaných kybernetických továren. Nebo zavedení robotické technologie do medicíny umožní provádět přesnou diagnostiku či provádět velmi složité operace bez přímého zásahu člověka. Klíčovým faktorem určujícím dnešní vývoj AI technologií a možnosti jejich uplatnění v praxi je tempo růstu výpočetního výkonu počítačů, neboť principy lidské psychiky jsou stále nejasné. Oblast umělé inteligence, která se stala vyspělou vědou, se rozvíjí postupně – pomalu, ale jistě jde dopředu. Výsledky jsou proto poměrně dobře předvídatelné, i když nejsou vyloučeny náhlé průlomy spojené se strategickými iniciativami. Například v 80. letech 20. století přinesla americká National Computing Initiative mnoho oblastí umělé inteligence z laboratoře a měla významný dopad na rozvoj teorie vysoce výkonných počítačů a její aplikaci v mnoha aplikovaných projektech. Takové iniciativy se nejspíše objeví na průsečíku různých matematických disciplín – teorie pravděpodobnosti, neuronové sítě, fuzzy logika. Umělá inteligence v budoucnosti Umělá inteligence se obvykle nazývá odvětvím informatiky, které studuje možnosti poskytování inteligentních akcí a uvažování pomocí počítačových systémů a dalších umělých zařízení. Ve většině případů je současně předem znám algoritmus řešení problémů. Je třeba poznamenat, že ve vědeckých kruzích neexistuje přesná definice této vědy, protože také neexistuje řešení otázky stavu a povahy. lidského mozku. Podobně neexistuje žádné přesné kritérium pro dosažení počítače„inteligence“, a to i přesto, že v raných fázích vývoje umělé inteligence byly použity určité hypotézy, zejména Turingův test (cílem je zjistit, zda stroj dokáže myslet). Tato věda má úzké vztahy s psychologií, transhumanismem a neurofyziologií. Jako všechny počítačové vědy využívá matematický aparát. Umělá inteligence je poměrně mladá oblast výzkumu, která začala v roce 1956. V tento moment době je vývoj této vědy ve stavu tzv. recese, kdy se dříve dosažené výsledky uplatňují v různých oblastech vědy, průmyslu, obchodu i běžného života.V současné době existují čtyři hlavní přístupy ke studiu konstrukce umělých zpravodajské systémy: logistické, strukturální, evoluční a simulační . Logistický přístup v podstatě obsahuje tzv. Booleovu algebru, která je programátorům dobře známá. Většina systémů umělé inteligence postavených na logistickém principu je určitým strojem prokazujícím teorémy: informace o pozadí je obsažena ve formě axiomů a logické závěry jsou formulovány podle pravidel vztahů mezi těmito axiomy. Každý takový stroj má jednotku pro generování cílů a inferenční systém dokazuje tento cíl jako teorém. Tento systém je známější jako expertní systém.Strukturální přístup využívá modelování struktury lidského mozku jako základ systému umělé inteligence. Mezi prvními takovými pokusy je třeba poznamenat Rosenblattův perceptron. Hlavní strukturní modelovanou jednotkou je neuron. Postupem času se objevily nové modely, které jsou v současné době známé jako neuronové sítě.V případě použití evolučního přístupu k budování systémů umělé inteligence je hlavní část pozornosti obvykle věnována budování výchozího modelu, stejně jako pravidel které se tento model může vyvíjet . Klasickým příkladem evolučního algoritmu je genetický algoritmus. Dalším projektem, který odstartoval v roce 2010, je projekt DARPA ve spolupráci se SRI International. Jeho podstata spočívá ve vývoji průlomové umělé inteligence, která bude schopna zpracovávat a přenášet data kopírující mechanismy lidského mozku. Elektronický adaptivní neuromorfní škálovatelný systém SyNAPSE by podle vývojářů měl překonat tradiční algoritmy zpracování dat a být schopen autonomně studovat komplexní prostředí. V současné době armáda používá umělou inteligenci ke zpracování velkého množství informací, zejména inteligenci data a video. Všechny tyto informace musí být rychle dešifrovány a analyzovány. Pro nový systém to nebude těžké. Bude využívat matematickou logiku, řešit jednoduché věty na základě dat ze senzorů, rozhodovat se a provádět potřebné akce. Pentagon navíc hodlá tento model umělé inteligence využít jako virtuálního osobního asistenta, který dokáže reagovat na hlasové příkazy a působit jako sekretářka. Připomeňme, že již dříve DARPA společně se SRI International vyvinula osobního asistenta s názvem CALO. Projekt byl dokončen v roce 2009. Program je schopen uvažovat, rozumět pokynům, učit se, vysvětlovat své jednání, adekvátně reagovat na neznámou situaci a diskutovat o průběhu operace po jejím skončení. Tento program bere potřebná data z kontaktů uživatele, jeho E-mailem, projekty a úkoly. Poté je vytvořen relační model uživatelského prostředí, probíhá školení. Díky tomu může umělá inteligence vyjednávat a řešit konflikty jménem uživatele. Bohužel tento program funguje pouze dál osobní počítač aniž by byl integrován do robota. V roce 2011 byl v Japonsku vyvinut první prototyp umělého mozku. Umělá inteligence dokáže zpracovat obrovské množství informací, ale roboti ještě nejsou vybaveni schopností myslet. Vývojáři s tím zatím nespěchají... Podle výzkumníků budou roboti blízké budoucnosti v mnoha ohledech podobní lidem: budou moci chodit po dvou nohách, budou schopni rozlišovat obličeje , udržovat konverzaci, plnit požadavky, ale v podstatě jsou to jen stroje podobné člověku . Všechny jejich akce podléhají předem připravenému algoritmu, a proto jsou primitivní. A pouze pokud bude možné implementovat technologii bimolekulárního počítání, budou stroje schopny myslet a získat schopnost být kreativní. Nový mechanismus zpracování informací je podle vývojářů velmi podobný práci lidského mozku. V lidské hlavě jsou miliony neuronů, které spolu neustále interagují. podstata nová technologie je, že každá molekula může mít až tři sta směrů vztahů. Stroje tak budou moci díky nové technologii řešit ty úkoly, které jsou pro ně aktuálně nedostupné. Podle vědců se očekává uplatnění nového vývoje v oblasti diagnostiky a léčby onkologických onemocnění: do rakovinných buněk budou zavedeny programovatelné molekulární systémy a přeměněny na zdravé. Můj názor na budoucnost umělé inteligence Umělá inteligence má velkou budoucnost i nyní, kdy umělá inteligence dosáhla obrovského průlomu. Ať už jsou prognózy do budoucna jakékoli, některé projekty již vyžadují pozornost. Jedná se zejména o projekt na vytvoření umělého mozku zvaného Blue Brain. Projekt vyvíjejí výzkumní pracovníci, zástupci Federální polytechnické školy (Lausanne). Podařilo se jim vytvořit modelové schéma umístění synapsí v mozku krys. Podle ředitele projektu Henryho Macrama byly výsledky nad veškerá očekávání. Je docela možné, že vědci budou brzy schopni odpovědět na mnoho otázek, které dosud trápí mysl vědců: nahradí umělá mysl lidskou mysl a bude více rozvinutá? Je člověk uzavíracím článkem v řetězci evoluce planety? Doufám, že v blízké budoucnosti najdeme odpovědi na tyto a mnohé další otázky.
snímek 1
snímek 2
snímek 3
snímek 4
snímek 5
snímek 6
Snímek 7
Snímek 8
Snímek 9
Snímek 10
snímek 11
Prezentaci na téma "Umělá inteligence" (8. třída) si můžete stáhnout zcela zdarma na našem webu. Předmět projektu: Informatika. Barevné diapozitivy a ilustrace vám pomohou udržet zájem vašich spolužáků nebo publika. Pro zobrazení obsahu použijte přehrávač, nebo pokud si chcete stáhnout report, klikněte na příslušný text pod přehrávačem. Prezentace obsahuje 11 snímků.
Prezentační snímky
snímek 1
Umělá inteligence
Problém vytváření lidské mysli
snímek 2
snímek 3
Jak člověk myslí?
Nad touto otázkou přemýšlejí vědci z celého světa. Cílem jejich výzkumu je vytvořit model lidské inteligence a implementovat jej do počítače. Mírně zjednodušeně zní výše jmenovaný cíl takto: - Naučit stroj myslet.
snímek 4
Účel vytvoření umělé inteligence
konstrukce univerzálního počítačového inteligentního systému určeného k řešení určitých typů problémů, který by našel řešení všech (nebo alespoň většiny) neformalizovaných problémů s účinností srovnatelnou s lidskou nebo nad ní
snímek 5
Hlavní přístupy k vývoji AI:
top-down (anglicky Top-Down AI), sémiotické - vytváření expertních systémů, znalostních bází a inferenčních systémů, které simulují mentální procesy na vysoké úrovni: myšlení, uvažování, řeč, emoce, kreativitu atd.; AI zdola nahoru, biologické – studium neuronových sítí a evolučních výpočtů, které modelují inteligentní chování založené na biologických prvcích, a také vytváření vhodných výpočetních systémů, jako je neuropočítač nebo biopočítač.
snímek 6
Lidské aktivity
Existuje mnoho lidských činností, které nelze předem naprogramovat. Například: skládání hudby a poezie, dokazování teorému, literární překlad z cizího jazyka, diagnostika a léčba nemocí a mnoho dalšího.
Snímek 7
Dokáže stroj myslet sám?
Vývojáři systémů AI se jen snaží naučit stroj, jako člověk, samostatně sestavit program svých akcí na základě podmínek problému. Cílem je přeměnit počítač z formálního exekutora na intelektuálního exekutora.
Snímek 8
Jak vznikají inteligentní systémy
Systémy umělé inteligence fungují na základě znalostních bází v nich obsažených a lidské myšlení je založeno na dvou složkách: zásobě znalostí a schopnosti logického uvažování. Pro vytvoření inteligentních systémů na počítači je proto nutné vyřešit dva úkoly: znalostní modelování (vývoj metod formalizace znalostí pro jejich vkládání do paměti počítače jako znalostní báze); modelování uvažování (tvorba počítačových programů, které napodobují logiku lidského myšlení při řešení různých problémů).
Snímek 9
Hlavní oblasti, ve kterých se metody AI uplatňují:
Rozpoznávání vzorů Optické rozpoznávání znaků Rozpoznávání rukopisu Rozpoznávání řeči Rozpoznávání obličeje Zpracování přirozeného jazyka Strojový překlad Nelineární řízení a robotika Strojové vidění, virtuální realita a zpracování obrazu Teorie her a strategické plánování Diagnostika AI ve hrách a robotech počítačové hry Strojová kreativita Zabezpečení sítě
Snímek 10
Funkční modely formálního a intelektuálního vykonavatele
