Про штучний інтелект та інформаційні технології
Моделювання процесів на основі нових інформаційних технологій та систем штучного інтелекту

Нові інформаційні технології, системи штучного інтелекту дозволяють велику частину інтелектуальної роботи та роботи з систематизації даних окремої людини, що працює в науково-технологічній системі, взяти на себе. Вони можуть звільнити людину від кропіткої діяльності. Це може посилити науково-дослідний потенціал наукових колективів, зробити можливим існування самодостатніх наукових груп, що раніше залежали від багатьох допоміжних структур та підрозділів, які раніше ретельно обробляли великі масиви інформації, оформляли її в досить компактних формах.

Замість великих колективів, над проблемами можуть працювати нечисленні вчені, які не потребують підтримки потужних колективів спеціалістів відносно низької кваліфікації. Це може значно спростити роботу над проблемами, та помітно скоротити об’єм коштів, які потрібні на розв’язання важливих задач.

Підвищення якості наукових досліджень завжди пов’язано з новими інструментами та методами. Їх використання дозволяє знайти нові ефекти та явища. Такі інструменти та методики здатні представити сучасні комп’ютерні системи та інформаційні технології. Це нові можливості для:

— швидкої та різнобічної обробки інформації;

— поточного внутрішнього аналізу та покращення обчислювальних моделей.

Конструктивним є використання систем штучного інтелекту для:

— створення нових методів обробки великих масивів поточної інформації;

— внесення змін інтелектуальною системою в алгоритми в процесі розрахунків з одного боку для підвищення коректності, а з другого – для економії ресурсів, зокрема для скорочення часу розрахунків;

— пошуку об’єктів, формуванню на основі такого пошуку статистичних розподілів та класифікацій. Хоча до створення повноцінного штучного інтелекту поки що далеко, присутній певний прогрес у формуванні так званих експертних систем і нейронних мереж. Сучасні експертні системи використовують знання та інтуїцію експертів — людей, які глибоко розбираються у вирішенні певного кола завдань (спеціалістів у даній предметній області). Експертні системи являють собою обчислювальну структуру, яка самостійно формує алгоритм рішення з можливого набору сконструйованих за пропозицією експертів підсистем логічного відбору та обчислювальних операцій. Вибір тих чи інших підсистем операторів відбувається згідно з оцінками і порівняннями, які сформульовані раніше експертами.

Цікаві нейронні мережі. Раніше було прийнято називати нейронну мережу персептроном (perseptio — сприйняття), так як основним завданням при їх формуванні було розпізнавання образів. Нейронні мережі використовують як елементи нелінійні математичні моделі нейронів, яких в мережі може бути дуже багато. Більшу частину нейронів можна настроювати, змінюючи їх реакцію на надійшовший на вхід сигнал. Якщо в потрібному і обширному класі задач є достатня кількість таких, вирішення яких заздалегідь відомо, можна приступати до навчання нейронної мережі — нейрокомп’ютера. Мережу налаштовують — навчають, пропускаючи через неї всі відомі рішення і домагаючись отримання необхідних відповідей на виході. Налаштування полягає в підборі параметрів нейронів. Після налаштування мережа здатна правильно відповісти на питання з тієї ж серії завдань.

Математики не без підстави вважають, що механізм вирішення завдань у експертних систем і нейронних мереж практично подібний. Але якщо у випадку нейронної мережі навіть її настроювач не розуміє, як в її структурі при навчанні та самонавчанні формується знання (тобто, мережа являє собою т.зв. «чорний ящик»), то в експертну систему її творці повинні ці знання попередньо закласти у певній формі (використовуючи певний формалізм). При роботі експертна система, звичайно, створює нове знання, яким потім і користується. До речі, можна завжди ці знання експертної системи переглянути та перевірити рішення кожної задачі на всіх її етапах. Але проблема прихована в очевидних недоліках формалізму, придуманого людиною, самої структури представлення знань, що може просто не відповідати необхідному рівню опису реальних завдань. Нейронна мережа формалізмами не користується і багато в чому веде себе як природний інтелект.

 

Професорами кафедри створено 7 лекцій, які було розміщено в Інтернеті:

1. Neural network (Eng, Ru sub) YUOTUBE: (Куклин В.М.);

2. Как развивался искусственный интеллект: YUOTUBE (Куклин В.М.);

3. Последствия модуляционных неустойчивостей : YUOTUBE  (Куклин В.М.)

4. Одномерные модели модуляционной неустойчивости интенсивных ленгмюровских колебаний в плазме.- Продолжительность: 58 минут : YUOTUBE  (Куклин В.М.);

5. Информация как жизнь: YUOTUBE  (Яновский В.В.);

6. Проблема коллективного выбора.: YUOTUBE  (часть1), YUOTUBE  (часть 2) (Яновский В.В.);

7. Mодифицированные планковские единицы: YUOTUBE  (Яновский В.В.);

На сайті факультету є презентація В. М. Кукліна теми «Перспективи використання нейронних мереж». ФКН

 

 

Останні новини