1 z 24
Prezentacja na ten temat: Sztuczna inteligencja
slajd numer 1
Opis slajdu:
Sztuczna inteligencja Intellectus (z łac. wiedza, rozumienie, rozum) - umiejętność myślenia, racjonalna wiedza. Przedmiotem nauki jest " sztuczna inteligencja to ludzkie myślenie. Naukowcy szukają odpowiedzi na pytanie: jak myśli człowiek? Celem tych badań jest stworzenie modelu ludzkiej inteligencji i wdrożenie go na komputerze (innymi słowy: nauczenie maszyny myślenia).
slajd numer 2
Opis slajdu:
slajd numer 3
Opis slajdu:
Sztuczna inteligencja - główna funkcja Lata pięćdziesiąte były świadkami pojawienia się na horyzoncie powojennej nauki supernowej - Cybernetyki, jej szybkiego wzrostu i równie szybkiego rozpadu na części, z których jedna związana jest z narodzinami sztucznej inteligencji (AI). I choć z chwytliwym imieniem noworodka wiązano (i nadal kojarzy się) rozmaite nadzieje, szybko stało się jasne, że bez względu na to, jak szeroko tę dziedzinę interpretuje się, aparat reprezentujący i przetwarzający wiedzę powinien stać się jego rdzeniem.
slajd numer 4
Opis slajdu:
Jednocześnie najbardziej ambitni apologeci uważają, że celem sztucznej inteligencji jest stworzenie aparatu metawiedzy zdolnego do łączenia filozofii, psychologii, matematyki i rozpowszechniania” nowe zamówienie” symbioza człowieka i komputera dla wszystkich nauk, działań, a nawet sztuki. Okazało się więc, że główne zadanie sztucznej inteligencji – rozwój formalnych sposobów przedstawiania i przetwarzania wiedzy – jest bardzo zbliżone do funkcji samej matematyki.
slajd numer 5
Opis slajdu:
Istnieje jednak dość znacząca różnica w ich stanowiskach metodologicznych: zajmując się teorią i rozwojem aparatów formalnych matematyka tylko na peryferiach zwraca uwagę na zastosowanie tych aparatów do problemów innych dyscyplin; metodologia sztucznej inteligencji charakteryzuje się odwrotnym kierunkiem – z badania różne formy wiedzę do opracowania zestawu narzędzi formalnych, najlepiej obejmującego całe spektrum obszarów działalności.
slajd numer 6
Opis slajdu:
slajd numer 7
Opis slajdu:
Jest wiele ludzkich działań, których nie można zaplanować z góry. Komponowanie muzyki i poezji, udowadnianie twierdzenia, tłumaczenie literackie z języka obcego, diagnozowanie i leczenie choroby i wiele więcej... Na przykład grając w szachy, szachista zna zasady gry i ma na celu wygraną gra. Jego działania nie są z góry zaprogramowane. Zależą one od działań przeciwnika, wyłaniającej się pozycji na szachownicy, dowcipu i osobistego doświadczenia szachisty.
slajd numer 8
Opis slajdu:
slajd numer 9
Opis slajdu:
slajd numer 10
Opis slajdu:
slajd numer 11
Opis slajdu:
Każdy system sztucznej inteligencji działa w pewnym Tematyka(diagnostyka medyczna, prawodawstwo, matematyka, ekonomia itp.) Tak jak specjalista, komputer musi posiadać wiedzę z danej dziedziny.Wiedza z określonej dziedziny, w określony sposób sformalizowana i przechowywana w pamięci komputera, nazywa się komputerem baza wiedzy.
slajd numer 12
Opis slajdu:
Na przykład chcesz użyć komputera do rozwiązywania problemów z geometrią. Książka problemów zawiera 500 zadań o różnej treści.Specjalista od sztucznej inteligencji wprowadzi wiedzę z geometrii do komputera (zakłada się, że tak układa się w tobie wiedza nauczyciela). Bazując na tej wiedzy i przy pomocy specjalnego algorytmu logicznego rozumowania, komputer rozwiąże dowolny z 500 problemów. Aby to zrobić, wystarczy powiedzieć mu tylko o stanie problemu.Systemy sztucznej inteligencji działają w oparciu o osadzone w nich bazy wiedzy.
slajd numer 13
Opis slajdu:
Jak stworzyć inteligentny system na komputerze? Myślenie człowieka opiera się na dwóch elementach: zasobie wiedzy i zdolności logicznego rozumowania, z czego wynikają dwa główne zadania w tworzeniu inteligentnych systemów na komputerze: modelowanie wiedzy (opracowanie metod formalizacji wiedzy w celu wprowadzenia ich do pamięci komputera jako wiedzy baza); rozumowanie modelowanie (tworzenie programy komputerowe naśladowanie logiki ludzkiego myślenia przy rozwiązywaniu różnych problemów).
slajd numer 14
Opis slajdu:
Jednym z rodzajów systemów sztucznej inteligencji są systemy ekspertowe.Celem systemów ekspertowych jest konsultacja z użytkownikiem, pomoc w podejmowaniu decyzji. Taka pomoc nabiera szczególnego znaczenia w sytuacjach ekstremalnych, np. w warunkach wypadku technicznego, akcji awaryjnej, podczas jazdy pojazdy. Komputer nie podlega stresowi. Szybko znajdzie optymalne, bezpieczne rozwiązanie i zaproponuje je osobie.
slajd numer 15
Opis slajdu:
Dla zainteresowanych: Sztuczna inteligencja to główna funkcja Modelowanie wiedzy Matematyka rozmyta Technologia informacyjna- zmiana epok Sterowanie "niealgorytmiczne"... Zadania dla specjalistów najwyższej klasy architektury Komputer NOT von Neumann
slajd numer 16
Opis slajdu:
slajd numer 17
Opis slajdu:
Centralne zadanie AI - stworzenie aparatu wiedzy (AZ) - prawie natychmiast wymagało wyjaśnienia - ale o czym właściwie mówimy o wiedzy? A skoro mowa o tych ścisłych, formalnych, to te tereny mają już mistrzynię – matematykę, z armią zawodową, z którą konkwistadorzy nowych ziem nie mieli ochoty się angażować. Jeśli chodzi o wiedzę nieformalną, to można ją zaklasyfikować jako: dostatecznie zbadaną i konkretną, ale (jak dotąd) słabo sformalizowaną – np. składnię języka naturalnego czy diagnostykę medyczną, oraz z zasady słabo sformalizowaną, czyli główną część koncepcje wszystkich obszarów działalności - od humanistyka do sztuki i domowych sfer życia.
Opis slajdu:
Tę niemal beznadziejną sytuację uratował L. Zadeh, który w połowie lat 60. zaproponował koncepcję zmiennej językowej i aparatu matematyki rozmytej. Sztuczna inteligencja otrzymała w prezencie prawdziwą magiczną różdżkę - szybko stało się jasne, że pustynię pełnych białych plam na mapie wiedzy można łatwo zamienić w rozmyte (i, niestety, tylko wirtualnie) kwitnące pola.
numer slajdu 20
Opis slajdu:
Rozmyta-Morgana szybko opanowała masy: na początku lat 80. w rozmytej bibliografii było około dwudziestu tysięcy tytułów, których liczba z pewnością wzrosła od tego czasu nie mniej niż dwu-, trzykrotnie. W wirze entuzjazmu nie zauważono pewnej wrodzonej wady nowego uniwersalnego narzędzia - semantyka i pragmatyka aparatu rozmytego od samego początku były dość rozmyte: to, co pozostało zamazane, to CO w rzeczywistości przedstawia rozmycie, CO on działa i DLACZEGO dokładnie w ten sposób, a nie inaczej. Niejasność aparatu nieuchronnie prowadziła do całkowitej niejednoznaczności wyników jego zastosowania, czego nie zauważono tylko dlatego, że nie było jasne, jak w rzeczywistości te wyniki sprawdzić.
slajd numer 21
Opis slajdu:
numer slajdu 22
Opis slajdu:
Chociaż sterowanie imperatywne (algorytmiczne) od samego początku było podstawą programowania komputerów o architekturze von Neumanna, to na przełomie lat 60. i 70. podejmowano próby opracowania alternatywnych sposobów organizacji procesu obliczeniowego. Przede wszystkim wynikało to z badań nad sztuczną inteligencją i programowaniem równoległym dla systemów wieloprocesorowych. Jakościowy postęp w rozwiązaniu tego problemu zapewnił jednak aparat niedookreślonych modeli i ostatnie prace z zakresu programowania w ograniczeniach, ponieważ są one zbudowane na zdecentralizowanym, asynchronicznym, maksymalnie równoległym procesie obliczeniowym opartym na danych. Jako kolejny krok w tej rewolucji możliwe jest przejście na zarządzanie oparte na zdarzeniach, co znacznie podnosi poziom aparatu asocjacyjnego organizującego proces zarządzania danymi.
numer slajdu 23
Opis slajdu:
Nierozwiązywalność równoległości - problem zrównoleglania imperatywnych technologii oprogramowania stworzył barierę nie do pokonania w powszechnym stosowaniu systemów wieloprocesorowych. W ciągu ostatnich 15 lat oprogramowanie i sprzęt zmieniły miejsca: poziom automatyzacji projektowania sprzętu i koszt bazy elementów od wielu lat pozwalają na masową produkcję komputerów z dowolną liczbą procesorów, jednak adaptując do nich nowoczesne komputery i rozwijając nowe oprogramowanie pozostaje zadaniem, które mogą rozwiązać tylko najwyższej klasy specjaliści i to tylko w szczególnych przypadkach. W nowym paradygmacie IT współbieżność nie jest już problemem, ale naturalną cechą każdego systemu oprogramowania.
numer slajdu 24
Opis slajdu:
Komputer NIE jest architekturą von Neumanna. Oparte na danych (a w przyszłości sterowanie oparte na zdarzeniach) radykalnie zmienia samą organizację procesu obliczeniowego, czyniąc go asynchronicznym, zdecentralizowanym i niezależnym od liczby procesorów. Konieczna będzie gruntowna przebudowa znanej architektury nowoczesnych maszyn von Neumanna. Jest więc perspektywa nie tylko zmiany pokoleń, ale zmiany epok, prowadzącej do prawdziwej rewolucji – szoku dla „niewzruszonych fundamentów” IT: Algorytm, architektura von Neumanna, proces deterministyczny i sekwencyjny spadają w historii na zawsze, ustępując miejsca Modelowi, wieloagencyjnemu i asocjacyjnie samoorganizującemu się niedeterministycznemu równoległemu procesowi.
Aby wyświetlić prezentację ze zdjęciami, projektem i slajdami, pobierz jego plik i otwórz go w programie PowerPoint w Twoim komputerze.
Treść tekstowa slajdów prezentacji: Prezentacja na konkurs „Teraźniejszość i przyszłość” Temat: „Rozwój sztucznej inteligencji” GPOU DO „Krapivinsky Forestry Technical School” Nauczyciel Blazhevich L.S. Informacje o sztucznej inteligencji w chwili obecnej Sztuczna inteligencja to dyscyplina badająca możliwości tworzenia programów do rozwiązywania problemów, które wymagają pewnego wysiłku intelektualnego, gdy są wykonywane przez człowieka. W dzisiejszych czasach sztuczna inteligencja (AI) jest niezbędna we wszystkich obszarach działalności człowieka - zarządzaniu, produkcji, edukacji itp. Systemy intelektualne konstruowane za pomocą tych technologii mają na celu zwiększenie zdolności umysłowych osoby, pomoc w znalezieniu skutecznych rozwiązań tzw. słabo sformalizowanych i częściowo ustrukturyzowanych zadań, charakteryzujących się obecnością różnego rodzaju niepewności i ogromnymi przestrzenie wyszukiwania. Główną preferencją w badaniach są sieci neuronowe. Sieci neuronowe są strukturą matematyczną, która imituje niektóre aspekty ludzkiego mózgu i demonstruje jego możliwości, takie jak zdolność do nieformalnego uczenia się, zdolność do generalizowania i grupowania niesklasyfikowanych informacji oraz zdolność do samodzielnego budowania prognoz na podstawie już przedstawionych szeregów czasowych. Najważniejszą różnicą w stosunku do innych metod, takich jak systemy ekspertowe, jest to, że sieci neuronowe w zasadzie nie muszą słynny model, ale sami ją budują tylko na podstawie przedstawionych informacji. Dlatego sieci neuronowe i algorytmy genetyczne weszły do praktyki wszędzie tam, gdzie konieczne jest rozwiązywanie problemów prognozowania, klasyfikacji i sterowania. W praktyce sieci neuronowe są wykorzystywane w dwóch formach – jako produkty oprogramowania działające na konwencjonalnych komputerach oraz jako specjalistyczne systemy sprzętowe i programowe. Głównym zadaniem neurokomputerów jest przetwarzanie obrazów w oparciu o uczenie się. Podobnie jak sieci biologiczne, sztuczne sieci neuronowe mają na celu równoległe przetwarzanie obrazów szerokopasmowych. Kolejną najważniejszą technologią jest przetwarzanie ewolucyjne (EC). Pojazdy elektryczne dotykają praktycznych problemów samodzielnego montażu, samokonfiguracji i samonaprawiania systemów składających się z wielu jednocześnie działających węzłów. Jednocześnie można aplikować osiągnięcia naukowe z dziedziny maszyn cyfrowych. Innym aspektem EV jest wykorzystanie autonomicznych agentów do rozwiązywania codziennych zadań jako osobiste sekretarki, zarządzanie kontami osobistymi, asystenci, którzy wybierają niezbędne informacje w sieciach za pomocą algorytmów wyszukiwania trzeciej generacji, planiści pracy, osobiści nauczyciele, wirtualni sprzedawcy itp. stosuje robotykę i wszystkie pokrewne dziedziny. Główne kierunki rozwoju to rozwój standardów, otwartych architektur, inteligentnych powłok, języków skryptowych/zapytań, metodologii efektywnej interakcji między programami a ludźmi.Kolejna grupa technologii, w tym logika rozmyta, przetwarzanie obrazu itp., jest wykorzystywana w systemy sterowania, systemy rozpoznawania obrazu, systemy czasu rzeczywistego, systemy pozyskiwania i przetwarzania wiedzy oraz wiele innych. Ta grupa technologii jest niezbędna przy pracy z dużą ilością informacji, ich wyszukiwaniu, analizie, przechowywaniu i strukturyzacji.Ostatnia grupa technologii pomaga rozwiązać szereg specyficznych problemów. Na przykład rozwiązanie problemu automatyzacji w produkcji poprzez wprowadzenie robotyki opartej na AI, tzw. zautomatyzowanych cyberfabryk. Albo wprowadzenie technologii robotycznej w medycynie umożliwi prowadzenie dokładnej diagnostyki lub wykonywanie bardzo skomplikowanych operacji bez bezpośredniej interwencji człowieka. Kluczowym czynnikiem decydującym dziś o rozwoju technologii AI i możliwości ich zastosowania w praktyce jest tempo wzrostu mocy obliczeniowej komputerów, gdyż zasady funkcjonowania ludzkiej psychiki są wciąż niejasne. Dziedzina sztucznej inteligencji, która stała się dojrzałą nauką, rozwija się stopniowo – powoli, ale stale posuwając się do przodu. Rezultaty są więc dość przewidywalne, choć nie wyklucza się po drodze nagłych przełomów związanych z inicjatywami strategicznymi. Na przykład w latach 80. amerykańska National Computing Initiative wyprowadziła z laboratorium wiele obszarów sztucznej inteligencji i miała znaczący wpływ na rozwój teorii obliczeń o wysokiej wydajności i jej zastosowanie w wielu projektach użytkowych. Takie inicjatywy najprawdopodobniej pojawią się na przecięciu różnych dyscyplin matematycznych - teorii prawdopodobieństwa, sieci neuronowych, logiki rozmytej. Sztuczna inteligencja w przyszłości Sztuczna inteligencja jest zwykle nazywana działem informatyki, który bada możliwości dostarczania inteligentnych działań i rozumowania za pomocą systemów komputerowych i innych sztucznych urządzeń. W większości przypadków jednocześnie algorytm rozwiązywania problemów jest z góry znany.Należy zauważyć, że w kręgach naukowych nie ma dokładnej definicji tej nauki, ponieważ nie ma również rozwiązania kwestii statusu i natury ludzkiego mózgu. Podobnie nie ma dokładnego kryterium osiągnięcia komputery„inteligencja”, mimo że we wczesnych stadiach rozwoju sztucznej inteligencji stosowano pewne hipotezy, w szczególności test Turinga (celem jest ustalenie, czy maszyna potrafi myśleć). Nauka ta ma bliskie związki z psychologią, transhumanizmem i neurofizjologią. Jak wszystkie nauki komputerowe, wykorzystuje aparat matematyczny. Sztuczna inteligencja to dość młoda dziedzina badań, która rozpoczęła się w 1956 roku. W ten moment recesji, kiedy to uzyskane wcześniej wyniki znajdują zastosowanie w różnych dziedzinach nauki, przemyśle, biznesie i życiu codziennym.Obecnie istnieją cztery główne podejścia do badania konstrukcji sztucznych systemy inteligencji: logistyczne, strukturalne, ewolucyjne i symulacyjne . Podejście logistyczne zasadniczo zawiera tak zwaną algebrę Boole'a, która jest dobrze znana programistom. Większość systemów sztucznej inteligencji zbudowanych zgodnie z zasadą logistyczną to pewna maszyna do dowodzenia twierdzeń: informacje ogólne zawiera się w postaci aksjomatów, a logiczne wnioski formułowane są zgodnie z regułami relacji między tymi aksjomatami. Każda taka maszyna ma jednostkę generującą cel, a system wnioskowania udowadnia ten cel jako twierdzenie. System ten jest lepiej znany jako system ekspercki.Podejście strukturalne wykorzystuje modelowanie struktury ludzkiego mózgu jako podstawę systemu sztucznej inteligencji. Wśród pierwszych takich prób należy zwrócić uwagę na perceptron Rosenblatta. Główną modelowaną strukturalnie jednostką jest neuron. Z biegiem czasu pojawiły się nowe modele, które obecnie określa się mianem sieci neuronowych.W przypadku stosowania ewolucyjnego podejścia do budowy systemów sztucznej inteligencji, główną część uwagi poświęca się zwykle budowie modelu wyjściowego, a także regułom które ten model może ewoluować. Klasycznym przykładem algorytmu ewolucyjnego jest algorytm genetyczny. Kolejnym projektem, który rozpoczął się w 2010 roku jest projekt DARPA we współpracy z SRI International. Jej istotą jest rozwój przełomowej sztucznej inteligencji, która będzie w stanie przetwarzać i przekazywać dane, kopiując mechanizmy ludzkiego mózgu. Elektroniczny adaptacyjny, neuromorficzny skalowalny system SyNAPSE, zdaniem twórców, powinien przewyższać tradycyjne algorytmy przetwarzania danych i być w stanie autonomicznie badać złożone środowisko.Obecnie wojsko wykorzystuje sztuczną inteligencję do przetwarzania dużej ilości informacji, w szczególności inteligencji dane i wideo. Wszystkie te informacje muszą być szybko rozszyfrowane i przeanalizowane. Dla nowego systemu nie będzie to trudne. Będzie wykorzystywał logikę matematyczną, rozwiązywał proste twierdzenia na podstawie danych z czujników, podejmował decyzje i wykonywał niezbędne działania, a ponadto Pentagon zamierza wykorzystać ten model sztucznej inteligencji jako wirtualny osobisty asystent, który może odpowiadać na polecenia głosowe i pełnić funkcję sekretarki. Przypomnijmy, że wcześniej DARPA wraz z SRI International już opracowywała osobistego asystenta o nazwie CALO. Projekt został ukończony w 2009 roku. Program potrafi rozumować, rozumieć instrukcje, uczyć się, wyjaśniać swoje działania, adekwatnie reagować na nieznaną sytuację i omawiać przebieg operacji po jej zakończeniu. Ten program pobiera niezbędne dane z kontaktów użytkownika, jego E-mail, projekty i zadania. Następnie tworzony jest relacyjny model środowiska użytkownika, odbywa się szkolenie. Dzięki temu sztuczna inteligencja może negocjować i rozwiązywać konflikty w imieniu użytkownika. Niestety ten program działa tylko na komputer osobisty bez integracji z robotem. W 2011 roku w Japonii opracowano pierwszy prototyp sztucznego mózgu. Sztuczna inteligencja może przetwarzać ogromną ilość informacji, ale roboty nie są jeszcze obdarzone zdolnością myślenia. Deweloperom jeszcze się z tym nie spieszy… Zdaniem naukowców roboty niedalekiej przyszłości będą pod wieloma względami podobne do ludzi: będą mogły chodzić na dwóch nogach, będą w stanie rozróżniać twarze , podtrzymuj rozmowę, spełniaj prośby, ale w istocie to tylko maszyny podobne do człowieka. Wszystkie ich działania podlegają wcześniej przygotowanemu algorytmowi, a zatem są prymitywne. I tylko wtedy, gdy uda się wdrożyć technologię obliczeń bimolekularnych, maszyny będą mogły myśleć i nabierać zdolności kreatywności. Według twórców nowy mechanizm przetwarzania informacji jest bardzo podobny do pracy ludzkiego mózgu. W głowie człowieka znajdują się miliony neuronów, które nieustannie ze sobą oddziałują. istota Nowa technologia jest to, że każda cząsteczka może mieć do trzystu kierunków relacji. Tym samym dzięki nowej technologii maszyny będą mogły rozwiązywać te zadania, które są dla nich obecnie niedostępne. Zdaniem naukowców oczekuje się zastosowania nowych osiągnięć w dziedzinie diagnozowania i leczenia chorób onkologicznych: programowalne układy molekularne zostaną wprowadzone do komórek nowotworowych i przekształcą je w zdrowe. Moja opinia na temat AI w przyszłości AI ma wspaniałą przyszłość nawet teraz AI dokonała ogromnego przełomu. Niezależnie od prognoz na przyszłość, istnieją już projekty, które wymagają uwagi. Chodzi w szczególności o projekt stworzenia sztucznego mózgu zwanego Niebieskim Mózgiem. Projekt opracowują naukowcy, przedstawiciele Federalnej Szkoły Politechnicznej (Lozanna). Udało im się stworzyć modelowy diagram lokalizacji synaps w mózgu szczurów. Według dyrektora projektu Henry'ego Macrama wyniki przeszły wszelkie oczekiwania. Całkiem możliwe, że naukowcy wkrótce będą w stanie odpowiedzieć na wiele pytań, które do tej pory nurtowały umysły naukowców: czy sztuczny umysł zastąpi umysł ludzki i czy będzie on bardziej rozwinięty? Czy człowiek jest ogniwem zamykającym łańcuch ewolucji planety? Mam nadzieję, że w niedalekiej przyszłości znajdziemy odpowiedzi na te i wiele innych pytań.
slajd 1
slajd 2
slajd 3
slajd 4
zjeżdżalnia 5
zjeżdżalnia 6
Slajd 7
Slajd 8
Slajd 9
Slajd 10
slajd 11
Prezentację na temat „Sztuczna inteligencja” (klasa 8) można pobrać całkowicie bezpłatnie z naszej strony internetowej. Temat projektu: Informatyka. Kolorowe slajdy i ilustracje pomogą Ci utrzymać zainteresowanie kolegów z klasy lub odbiorców. Aby wyświetlić zawartość, użyj odtwarzacza lub, jeśli chcesz pobrać raport, kliknij odpowiedni tekst pod odtwarzaczem. Prezentacja zawiera 11 slajdów.
Slajdy prezentacji
slajd 1
Sztuczna inteligencja
Problem tworzenia ludzkiego umysłu
slajd 2
slajd 3
Jak myśli człowiek?
Nad tym pytaniem zastanawiają się naukowcy z całego świata. Celem ich badań jest stworzenie modelu ludzkiej inteligencji i wdrożenie go na komputerze. Nieco uproszczony, wyżej wymieniony cel brzmi tak: - Nauczenie maszyny myślenia.
slajd 4
Cel tworzenia sztucznej inteligencji
budowa uniwersalnego, inteligentnego systemu komputerowego przeznaczonego do rozwiązywania określonych typów problemów, który znalazłby rozwiązanie wszystkich (lub przynajmniej większości) niesformalizowanych problemów, z wydajnością porównywalną z ludzką lub przewyższającą ją
zjeżdżalnia 5
Główne podejścia do rozwoju AI:
top-down (English Top-Down AI), semiotyka – tworzenie systemów eksperckich, baz wiedzy i systemów wnioskowania, które symulują procesy umysłowe wysokiego poziomu: myślenie, rozumowanie, mowa, emocje, kreatywność itp.; oddolna sztuczna inteligencja, biologia – badanie sieci neuronowych i obliczeń ewolucyjnych modelujących inteligentne zachowania w oparciu o elementy biologiczne, a także tworzenie odpowiednich systemów obliczeniowych, takich jak neurokomputer czy biokomputer.
zjeżdżalnia 6
Działalność człowieka
Jest wiele ludzkich czynności, których nie można zaprogramować z góry. Na przykład: komponowanie muzyki i poezji, dowodzenie twierdzenia, tłumaczenie literackie z języka obcego, diagnozowanie i leczenie choroby i wiele innych.
Slajd 7
Czy maszyna może myśleć samodzielnie?
Twórcy systemów AI próbują jedynie nauczyć maszynę, podobnie jak człowieka, samodzielnego budowania programu jej działania w oparciu o warunki problemu. Celem jest przekształcenie komputera z formalnego wykonawcy w intelektualnego wykonawcę.
Slajd 8
Jak powstają inteligentne systemy
Systemy sztucznej inteligencji działają w oparciu o osadzone w nich bazy wiedzy, a myślenie człowieka opiera się na dwóch elementach: zasobie wiedzy i umiejętności logicznego rozumowania. Dlatego, aby stworzyć inteligentne systemy na komputerze, należy rozwiązać dwa zadania: modelowanie wiedzy (opracowanie metod formalizacji wiedzy w celu wprowadzenia ich do pamięci komputera jako bazy wiedzy); modelowanie rozumowania (tworzenie programów komputerowych naśladujących logikę ludzkiego myślenia przy rozwiązywaniu różnych problemów).
Slajd 9
Główne obszary, w których stosowane są metody AI:
Rozpoznawanie wzorców Optyczne rozpoznawanie znaków Rozpoznawanie pisma ręcznego Rozpoznawanie mowy Rozpoznawanie twarzy Przetwarzanie języka naturalnego Tłumaczenie maszynowe Sterowanie nieliniowe i robotyka Wizja maszynowa, rzeczywistość wirtualna i przetwarzanie obrazu Teoria gier i planowanie strategiczne Diagnostyka AI w grach i botach w gry komputerowe Kreatywność maszyn Bezpieczeństwo sieci
Slajd 10
Funkcjonujące modele wykonawcy formalnego i intelektualnego
