Jump to content

Вычислительный интеллект

Выражение «вычислительный интеллект» ( CI ) обычно относится к способности компьютера изучать конкретную задачу на основе данных или экспериментальных наблюдений. Несмотря на то, что его обычно считают синонимом мягких вычислений , до сих пор не существует общепринятого определения вычислительного интеллекта.

Как правило, вычислительный интеллект представляет собой набор вдохновленных природой вычислительных методологий и подходов для решения сложных проблем реального мира, для решения которых математическое или традиционное моделирование может оказаться бесполезным по нескольким причинам: процессы могут быть слишком сложными для математических рассуждений, они могут содержать некоторые неопределенности во время процесса, или процесс может просто носить стохастический характер. [1] [ нужна страница ] Действительно, многие реальные проблемы невозможно перевести на двоичный язык (уникальные значения 0 и 1), чтобы компьютеры могли их обработать. Таким образом, вычислительный интеллект предлагает решения таких проблем.

Используемые методы близки человеческому способу рассуждения, т.е. он использует неточные и неполные знания и способен производить управляющие воздействия адаптивным способом. Таким образом, CI использует комбинацию пяти основных взаимодополняющих методов. [1] Нечеткая логика , позволяющая компьютеру понимать естественный язык . [2] [ нужна страница ] [3] искусственные нейронные сети , которые позволяют системе изучать экспериментальные данные, действуя подобно биологическим, эволюционным вычислениям , основанным на процессе естественного отбора, теории обучения и вероятностных методах, которые помогают справиться с неопределенностью и неточностью. [1]

Помимо этих основных принципов, популярные в настоящее время подходы включают биологические алгоритмы, такие как роевой интеллект. [4] и искусственные иммунные системы , которые можно рассматривать как часть эволюционных вычислений , обработки изображений, интеллектуального анализа данных, обработки естественного языка и искусственного интеллекта, который часто путают с вычислительным интеллектом. Но хотя и вычислительный интеллект (CI), и искусственный интеллект (ИИ) преследуют схожие цели, между ними существует четкое различие. [ по мнению кого? ] [ нужна ссылка ] .

Таким образом, вычислительный интеллект — это способ действовать по-человечески. [ нужна ссылка ] . Действительно, характеристику «интеллект» обычно приписывают [ кем? ] людям. В последнее время многие продукты и предметы также претендуют на звание «интеллектуальных», что напрямую связано с рассуждениями и принятием решений. [ нужны дальнейшие объяснения ] .

История [ править ]

Источник: [5] Понятие вычислительного интеллекта было впервые использовано Советом по нейронным сетям IEEE в 1990 году. Этот совет был основан в 1980-х годах группой исследователей, заинтересованных в разработке биологических и искусственных нейронных сетей. 21 ноября 2001 года Совет нейронных сетей IEEE стал Обществом нейронных сетей IEEE, а два года спустя стал Обществом вычислительной разведки IEEE , включив новые области интересов, такие как нечеткие системы и эволюционные вычисления, которые они связали с вычислительным интеллектом в 2011 году. (Доте и Оваска).

Но первое четкое определение вычислительного интеллекта было предложено Бездеком в 1994 году: [1] Система называется вычислительно интеллектуальной, если она имеет дело с данными низкого уровня, такими как числовые данные, имеет компонент распознавания образов и не использует знания в смысле ИИ, а также когда она начинает демонстрировать вычислительную адаптивность, отказоустойчивость, скорость приближается к человеческая производительность и частота ошибок, которые приблизительно соответствуют человеческим возможностям.

Бездек и Маркс (1993) четко отличали CI от других подмножеств ИИ, утверждая, что первый основан на методах мягких вычислений , тогда как ИИ основан на методах жестких вычислений.

между вычислительным интеллектом и другими историческими подходами к интеллекту Различия искусственному

Согласно Бездеку (1994), хотя вычислительный интеллект действительно является подмножеством искусственного интеллекта, существует два типа машинного интеллекта: искусственный, основанный на методах жестких вычислений, и вычислительный, основанный на методах мягких вычислений, которые позволяют адаптироваться ко многим ситуациям. . Согласно Энгельбрехту (2007), алгоритмические подходы, которые были классифицированы как формирующие подход вычислительного интеллекта к ИИ, а именно нечеткие системы, нейронные сети, эволюционные вычисления, роевой интеллект и искусственные иммунные системы, называются «интеллектуальными алгоритмами». Вместе с логикой, дедуктивным рассуждением, экспертными системами, рассуждениями на основе прецедентов и системами символического машинного обучения (вышеупомянутые «жесткие» вычислительные подходы) сформировался набор инструментов искусственного интеллекта того времени. Конечно, сегодня, благодаря машинному обучению и глубокому обучению, в частности, с использованием широкого спектра подходов к обучению с учителем, без учителя и с подкреплением, ландшафт ИИ значительно расширился благодаря новым интеллектуальным подходам.

Методы жестких вычислений работают в соответствии с двоичной логикой, основанной только на двух значениях (логические значения «истина» или «ложь», 0 или 1), на которых основаны современные компьютеры. Одна из проблем с этой логикой заключается в том, что наш естественный язык не всегда можно легко перевести в абсолютные значения 0 и 1. Здесь могут быть полезны методы мягких вычислений, основанные на нечеткой логике. [6] Эта логика гораздо ближе к тому, как работает человеческий мозг, агрегируя данные до частичных истин (четкие/нечеткие системы), и является одним из основных исключительных аспектов CI.

В рамках одних и тех же принципов нечеткой и бинарной логики следуют хрустящие и нечеткие системы . [7] Четкая логика является частью принципов искусственного интеллекта и заключается либо в включении элемента в набор, либо в его отсутствие, тогда как нечеткие системы (CI) позволяют элементам частично находиться в наборе. Следуя этой логике, каждому элементу может быть присвоена степень принадлежности (от 0 до 1), а не только одно из этих двух значений. [8]

Пять основных алгоритмических подходов CI и приложения их

Основные области применения вычислительного интеллекта включают информатику , инженерию, анализ данных и биомедицину .

Нечеткая логика [ править ]

Как объяснялось ранее, нечеткая логика , один из основных принципов CI, заключается в измерениях и моделировании процессов, предназначенных для сложных процессов реальной жизни. [3] Он может столкнуться с неполнотой, а главное незнанием данных в модели процесса, в отличие от искусственного интеллекта, который требует точных знаний.

Этот метод имеет тенденцию применяться к широкому спектру областей, таких как управление, обработка изображений и принятие решений. Но он также хорошо применяется в сфере бытовой техники: стиральных машин, микроволновых печей и т. д. Мы можем столкнуться с этим и при использовании видеокамеры, где он помогает стабилизировать изображение при неустойчивом удержании камеры. Другие области, такие как медицинская диагностика, торговля иностранной валютой и выбор бизнес-стратегии, не входят в число приложений этого принципа. [1]

Нечеткая логика в основном полезна для приблизительных рассуждений и не обладает способностями к обучению. [1] квалификация, столь необходимая людям. [ нужна ссылка ] Это позволяет им совершенствоваться, учась на своих предыдущих ошибках.

Нейронные сети [ править ]

Вот почему специалисты CI работают над разработкой искусственных нейронных сетей на основе биологических , которые можно определить по 3 основным компонентам: тело клетки, обрабатывающее информацию, аксон, который представляет собой устройство, позволяющее проводить сигнал, и синапс, который управляет сигналами. Поэтому искусственные нейронные сети обожают системы распределенной обработки информации. [9] обеспечение процесса и обучения на основе экспериментальных данных. Работая по-человечески, отказоустойчивость также является одним из основных преимуществ этого принципа. [1]

Что касается приложений, нейронные сети можно разделить на пять групп: анализ и классификация данных, ассоциативная память, кластеризация, генерация шаблонов и управление. [1] Как правило, этот метод направлен на анализ и классификацию медицинских данных, обнаружение лиц и мошенничества и, что наиболее важно, на устранение нелинейностей системы с целью ее контроля. [10] Кроме того, методы нейронных сетей имеют с методами нечеткой логики преимущество, заключающееся в возможности кластеризации данных .

Эволюционные вычисления [ править ]

Эволюционные вычисления можно рассматривать как семейство методов и алгоритмов глобальной оптимизации , которые обычно основаны на совокупности возможных решений. Они вдохновлены биологической эволюцией и часто обобщаются как эволюционные алгоритмы . [11] К ним относятся генетические алгоритмы , стратегии эволюции , генетическое программирование и многие другие. [12] Их считают решателями задач, которые не могут быть решены традиционными математическими методами. [13] и часто используются для оптимизации, включая многокритериальную оптимизацию . [14]

Теория обучения

все еще ищущая способ «рассуждения», близкий к человеческому, Теория обучения, является одним из основных подходов CI. В психологии обучение — это процесс объединения когнитивных, эмоциональных и экологических эффектов и опыта для приобретения, расширения или изменения знаний, навыков, ценностей и мировоззрений (Ормрод, 1995; Иллерис, 2004). [1] Изучение теорий затем помогает понять, как обрабатываются эти эффекты и опыт, а затем помогает делать прогнозы на основе предыдущего опыта. [15]

Вероятностные методы [ править ]

Будучи одним из основных элементов нечеткой логики, вероятностные методы впервые были предложены Полом Эрдосом и Джоэлом Спенсером. [1] (1974) стремились оценить результаты работы интеллектуальной вычислительной системы, в основном определяемые случайностью . [16] Таким образом, вероятностные методы выявляют возможные решения проблемы на основе предварительных знаний.

на образование Влияние университетское

Согласно библиометрическим исследованиям, вычислительный интеллект играет ключевую роль в исследованиях. [17] Все крупные академические издательства принимают рукописи, в которых обсуждается сочетание нечеткой логики, нейронных сетей и эволюционных вычислений. С другой стороны, вычислительный интеллект недоступен в университетской программе . [18] Количество технических университетов , в которых студенты могут посещать курсы, ограничено. Только Британская Колумбия, Технический университет Дортмунда (участвующий в европейском нечетком буме) и Южный университет Джорджии предлагают курсы в этой области.

Причина, по которой крупные университеты игнорируют эту тему, заключается в том, что у них нет ресурсов. Существующие курсы информатики настолько сложны, что в конце семестра в них нет места нечеткой логике . [19] Иногда его преподают в качестве подпроекта в существующих вводных курсах, но в большинстве случаев университеты предпочитают курсы, посвященные классическим концепциям ИИ, основанным на булевой логике, машинам Тьюринга и игрушечным задачам, таким как мир блоков.

С тех пор, как поднялось STEM-образование , ситуация немного изменилась. [20] Есть некоторые попытки, в которых предпочтение отдается междисциплинарным подходам, которые позволяют студенту понять сложные адаптивные системы . [21] Эти цели обсуждаются только на теоретической основе. Учебная программа реальных университетов еще не адаптирована.

Публикации [ править ]

См. также [ править ]

Примечания [ править ]

  • Вычислительный интеллект: введение Андриса Энгельбрехта. Уайли и сыновья. ISBN   0-470-84870-7
  • Вычислительный интеллект: логический подход Дэвид Пул, Алан Макворт, Рэнди Гебель. Издательство Оксфордского университета. ISBN   0-19-510270-3
  • Вычислительный интеллект: методологическое введение , Крузе, Боргельт, Клавонн, Мовес, Штайнбрехер, Хелд, 2013, Спрингер, ISBN   9781447150121

Ссылки [ править ]

  1. Перейти обратно: Перейти обратно: а б с д и ж г час я дж Сиддик, Назмул; Адели, Ходжат (2013). Вычислительный интеллект: синергия нечеткой логики, нейронных сетей и эволюционных вычислений . Джон Уайли и сыновья. ISBN  978-1-118-53481-6 .
  2. ^ Рутковский, Лешек (2008). Вычислительный интеллект: методы и техники . Спрингер. ISBN  978-3-540-76288-1 .
  3. Перейти обратно: Перейти обратно: а б «Нечеткая логика» . WhatIs.com . Маргарет Роуз. Июль 2006.
  4. ^ Бени, Херардо; Ван, Цзин (1993). «Роевой интеллект в клеточных робототехнических системах» . Роботы и биологические системы: на пути к новой бионике? . стр. 703–712. дои : 10.1007/978-3-642-58069-7_38 . ISBN  978-3-642-63461-1 .
  5. ^ «История общества вычислительной разведки IEEE» . Wiki по истории техники и технологий . 22 июля 2014 года . Проверено 30 октября 2015 г.
  6. ^ «Искусственный интеллект, вычислительный интеллект, мягкие вычисления, естественные вычисления — в чем разница? — АНДАТА» . www.andata.at . Проверено 5 ноября 2015 г.
  7. ^ «Нечеткие множества и распознавание образов» . www.cs.princeton.edu . Проверено 5 ноября 2015 г.
  8. ^ Р. Пфайфер. 2013. Глава 5: НЕЧЕТКАЯ Логика. Конспект лекций по теме «Реальные вычисления». Цюрих. Университет Цюриха.
  9. ^ Стергиу, Христос; Сиганос, Димитриос. «Нейронные сети» . СЮРПРИЗ 96 Журнал . Имперский колледж Лондона . Архивировано из оригинала 16 декабря 2009 года . Проверено 11 марта 2015 г.
  10. ^ Сомерс, Марк Джон; Казаль, Хосе К. (июль 2009 г.). «Использование искусственных нейронных сетей для моделирования нелинейности» (PDF) . Организационные методы исследования . 12 (3): 403–417. дои : 10.1177/1094428107309326 . S2CID   17380352 . Проверено 31 октября 2015 г.
  11. ^ Де Йонг, Кеннет А. (2006). Эволюционные вычисления: унифицированный подход . Кембридж, Массачусетс: MIT Press. ISBN  978-0-262-52960-0 .
  12. ^ Эйбен, А.Е.; Смит, Дж. Э. (2015). «Популярные варианты эволюционных алгоритмов». Введение в эволюционные вычисления . Серия естественных вычислений. Берлин, Гейдельберг: Springer. стр. 99–116. дои : 10.1007/978-3-662-44874-8 . ISBN  978-3-662-44873-1 .
  13. ^ Де Йонг, Кеннет А. (2006). «Эволюционные алгоритмы как средства решения проблем». Эволюционные вычисления: унифицированный подход . Кембридж, Массачусетс: MIT Press. стр. 71–114. ISBN  978-0-262-52960-0 .
  14. ^ Бранке, Юрген; Деб, Калянмой; Миеттинен, Кайса; Словинский, Роман, ред. (2008). Многокритериальная оптимизация: интерактивный и эволюционный подходы . Конспекты лекций по информатике. Том. 5252. Берлин, Гейдельберг: Springer Berlin Heidelberg. дои : 10.1007/978-3-540-88908-3 . ISBN  978-3-540-88907-6 .
  15. ^ Уоррелл, Джеймс. «Теория вычислительного обучения: 2014-2015» . Оксфордский университет . Презентационная страница курса CLT . Проверено 11 февраля 2015 г.
  16. ^ Палит, Аджой К.; Попович, Добривое (2006). Вычислительный интеллект в прогнозировании временных рядов: теория и инженерные приложения . Springer Science & Business Media. п. 4. ISBN  9781846281846 .
  17. ^ НУЖЕН ЯН ВАН ЭК и ЛЮДО УОЛТМАН (2007). «Библиометрическое картирование поля вычислительного интеллекта» . Международный журнал неопределенности, нечеткости и систем, основанных на знаниях . 15 (5). World Scientific Pub Co Pte Lt: 625–645. дои : 10.1142/s0218488507004911 . hdl : 1765/10073 .
  18. ^ Минайе, Афсане и Санати-Мехризи, Паймон и Санати-Мехризи, Али и Санати-Мехризи, Реза (2013). «Курс вычислительного интеллекта в программе бакалавриата по информатике и инженерному делу» (PDF) . Возраст . 23 :1. {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
  19. ^ Мэнцзе Чжан (2011). «Опыт преподавания вычислительного интеллекта на курсах бакалавриата [Образовательный форум]». Журнал IEEE Computational Intelligence . 6 (3). Институт инженеров по электротехнике и электронике (IEEE): 57–59. дои : 10.1109/mci.2011.941591 .
  20. ^ Саманта, Бисванат (2011). Вычислительный интеллект: инструмент междисциплинарного образования и исследований . Материалы ежегодной конференции Северо-восточной секции ASEE 2011 г., Хартфордский университет.
  21. ^ ГКК Венаягамурти (2009). «Успешный междисциплинарный курс по вычислительному интеллекту». Журнал IEEE Computational Intelligence . 4 (1). Институт инженеров по электротехнике и электронике (IEEE): 14–23. дои : 10.1109/mci.2008.930983 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: bc9aa79a9bfab391e463147ef27e1214__1716652380
URL1:https://arc.ask3.ru/arc/aa/bc/14/bc9aa79a9bfab391e463147ef27e1214.html
Заголовок, (Title) документа по адресу, URL1:
Computational intelligence - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)