Методы искусственного интеллекта

Можно выделить две научные школы с разными подходами к проблеме ИИ: конвенционный ИИ и вычислительный ИИ. В конвенционном ИИ главным образом используются методы машинного самообучения, основанные на формализме и статистическом анализе. Вычислительный ИИ подразумевает итеративную разработку и обучение. Обучение основано на эмпирических данных и ассоциируется с не-символьным ИИ и нечеткими системами. Методы конвенционного ИИ реализуются в следующих подходах и системах:

• Экспертные системы: программы, которые, действуя по определенным правилам, обрабатывают большое количество информации, и в результате выдают заключение или рекомендацию на ее основе.

• Рассуждение по аналогии (Case-based reasoning).

• Байесовские сети доверия: вероятностные модели, представляющие собой систему из множества переменных и их вероятностных зависимостей.

• Поведенческий подход: модульный метод построения систем ИИ, при котором система разбивается на несколько сравнительно автономных программ поведения, которые запускаются в зависимости от изменений внешней среды

Основные методы вычислительного ИИ:

• Нейронные сети: коннекционистские модели нервной системы, демонстрирующие, в частности, высокие способности к распознаванию образов.

• Нечеткие системы: методики для рассуждения в условиях неопределенности.

• Эволюционные вычисления: модели, использующие понятие естественного отбора, обеспечивающего отсеивание наименее оптимальных согласно заданному критерию решений. В этой группе методов выделяют генетические алгоритмы и т.н. муравьиный алгоритм.

Разберем подробней перечисленные методы.