आर्टिफिशियल इंटेलिजेंस सिस्टम ट्यूटोरियल. तंत्रिका नेटवर्क मॉडल

इस ट्यूटोरियल में प्रोलॉग में प्रोग्रामिंग की मूल बातें, खोज विधियों का उपयोग करके समस्या को हल करना, संभाव्य तरीके, तंत्रिका नेटवर्क की मूल बातें और सिमेंटिक नेटवर्क का उपयोग करके ज्ञान प्रतिनिधित्व के सिद्धांत शामिल हैं। पाठ्यपुस्तक के प्रत्येक अनुभाग में व्यावहारिक और प्रयोगशाला कार्य प्रदान किया गया है। परिशिष्टों में SWI-प्रोलॉग वातावरण, तंत्रिका नेटवर्क सॉफ़्टवेयर का संक्षिप्त विवरण है

पाठ्यपुस्तक पाठकों को कृत्रिम बुद्धिमत्ता, ज्ञान प्रतिनिधित्व मॉडल, विशेषज्ञ प्रणालियों और तंत्रिका नेटवर्क के इतिहास से परिचित कराती है। बुद्धिमान प्रणालियों के विश्लेषण, विकास और कार्यान्वयन में उपयोग की जाने वाली मुख्य दिशाओं और विधियों का वर्णन किया गया है। ज्ञान प्रतिनिधित्व के मॉडल और उनके साथ काम करने के तरीकों, विशेषज्ञ प्रणालियों को विकसित करने और बनाने के तरीकों पर विचार किया जाता है। पुस्तक पाठक को प्रोलॉग भाषा में डोमेन डेटाबेस और प्रोग्रामिंग के तार्किक डिजाइन के कौशल में महारत हासिल करने में मदद करेगी।
शैक्षणिक विश्वविद्यालयों के छात्रों और शिक्षकों, माध्यमिक विद्यालयों, व्यायामशालाओं, लिसेयुम के शिक्षकों के लिए।

कृत्रिम बुद्धि की अवधारणा.
कृत्रिम बुद्धिमत्ता (एआई) प्रणाली एक सॉफ्टवेयर प्रणाली है जो कंप्यूटर पर मानव सोचने की प्रक्रिया का अनुकरण करती है। ऐसी प्रणाली बनाने के लिए, किसी विशिष्ट क्षेत्र में कुछ समस्याओं को हल करने या निर्णय लेने वाले व्यक्ति की सोच प्रक्रिया का अध्ययन करना, इस प्रक्रिया के मुख्य चरणों को उजागर करना और सॉफ्टवेयर विकसित करना आवश्यक है जो उन्हें कंप्यूटर पर पुन: पेश करता है। इसलिए, एआई विधियां जटिल सॉफ्टवेयर निर्णय लेने वाली प्रणालियों को विकसित करने के लिए एक सरल संरचित दृष्टिकोण अपनाती हैं।

आर्टिफिशियल इंटेलिजेंस कंप्यूटर विज्ञान की एक शाखा है जिसका लक्ष्य हार्डवेयर और सॉफ्टवेयर टूल विकसित करना है जो एक गैर-प्रोग्रामर उपयोगकर्ता को प्राकृतिक भाषा के एक सीमित उपसमूह में कंप्यूटर के साथ संचार करके अपनी पारंपरिक रूप से मानी जाने वाली बौद्धिक समस्याओं को सेट करने और हल करने की अनुमति देता है।

विषयसूची
अध्याय 1. कृत्रिम बुद्धिमत्ता
1.1. आर्टिफिशियल इंटेलिजेंस सिस्टम का परिचय
1.1.1. कृत्रिम बुद्धि की अवधारणा
1.1.2. रूस में कृत्रिम बुद्धिमत्ता
1.1.3. कृत्रिम बुद्धिमत्ता प्रणाली की कार्यात्मक संरचना
1.2. कृत्रिम बुद्धिमत्ता के विकास के लिए दिशा-निर्देश
1.3. डेटा और ज्ञान. बुद्धिमान प्रणालियों में ज्ञान का प्रतिनिधित्व
1.3.1. डेटा और ज्ञान. बुनियादी परिभाषाएँ
1.3.2. ज्ञान प्रतिनिधित्व मॉडल
1.4. विशेषज्ञ प्रणालियाँ
1.4.1. विशेषज्ञ प्रणाली संरचना
1.4.2. विशेषज्ञ प्रणालियों का विकास और उपयोग
1.4.3. विशेषज्ञ प्रणालियों का वर्गीकरण
1.4.4. विशेषज्ञ प्रणालियों में ज्ञान का प्रतिनिधित्व
1.4.5. विशेषज्ञ प्रणालियों के निर्माण के लिए उपकरण
1.4.6. विशेषज्ञ प्रणाली विकास प्रौद्योगिकी
अध्याय 1 के लिए परीक्षण प्रश्न और असाइनमेंट
अध्याय 1 के लिए सन्दर्भ
अध्याय 2. तर्क प्रोग्रामिंग
2.1. प्रोग्रामिंग पद्धतियाँ
2.1.1. अनिवार्य प्रोग्रामिंग पद्धति
2.1.2. ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग पद्धति
2.1.3. कार्यात्मक प्रोग्रामिंग पद्धति
2.1.4. तर्क प्रोग्रामिंग पद्धति
2.1.5. बाधा प्रोग्रामिंग पद्धति
2.1.6. तंत्रिका नेटवर्क प्रोग्रामिंग पद्धति
2.2. विधेय कलन और प्रमेय सिद्ध करने का एक संक्षिप्त परिचय
2.3. प्रोलॉग में अनुमान प्रक्रिया
2.4. प्रोलॉग भाषा में प्रोग्राम संरचना
2.4.1. समग्र वस्तुओं का उपयोग करना
2.4.2. वैकल्पिक डोमेन का उपयोग करना
2.5. प्रोलॉग में दोहराव का आयोजन
2.5.1. विफलता के बाद रोलबैक विधि
2.5.2. कट और रोलबैक विधि
2.5.3. सरल प्रत्यावर्तन
2.5.4. सामान्यीकृत रिकर्सन नियम (जीआरआर) विधि
2.6. प्रोलॉग में सूचियाँ
2.6.1. सूचियों पर संचालन
2.7. प्रोलॉग में स्ट्रिंग्स
2.7.1. स्ट्रिंग ऑपरेशन
2.8. प्रोलॉग में फ़ाइलें
2.8.1. प्रोलॉग फाइलों के साथ काम करने की भविष्यवाणी करता है
2.8.2. फ़ाइल डोमेन विवरण
2.8.3. फ़ाइल करने के लिए लिखें
2.8.4. किसी फ़ाइल से पढ़ना
2.8.5. किसी मौजूदा फ़ाइल को संशोधित करना
2.8.6. किसी मौजूदा फ़ाइल के अंत में जोड़ना
2.9. प्रोलॉग में गतिशील डेटाबेस बनाना
2.9.1. प्रोलॉग में डेटाबेस
2.9.2. डायनेमिक डेटाबेस प्रोलॉग में भविष्यवाणी करता है
2.10. विशेषज्ञ प्रणालियों का निर्माण
2.10.1. विशेषज्ञ प्रणाली संरचना
2.10.2. ज्ञान निरूपण
2.10.3. निकासी के तरीके
2.10.4. यूजर इंटरफ़ेस सिस्टम
2.10.5. नियम-आधारित विशेषज्ञ प्रणाली
अध्याय 2 के लिए परीक्षण प्रश्न और असाइनमेंट
अध्याय 2 के लिए सन्दर्भ
अध्याय 3. तंत्रिका नेटवर्क
3.1. तंत्रिका नेटवर्क का परिचय
3.2. कृत्रिम न्यूरॉन मॉडल
3.3. तंत्रिका नेटवर्क का अनुप्रयोग
3.4. तंत्रिका नेटवर्क प्रशिक्षण
अध्याय 3 के लिए परीक्षण प्रश्न और असाइनमेंट
अध्याय 3 के लिए संदर्भ.

सुविधाजनक प्रारूप में ई-पुस्तक निःशुल्क डाउनलोड करें, देखें और पढ़ें:
फंडामेंटल्स ऑफ आर्टिफिशियल इंटेलिजेंस, बोरोव्स्काया ई.वी., डेविडोवा एन.ए., 2016 पुस्तक डाउनलोड करें - फाइल्सकाचैट.कॉम, तेज और मुफ्त डाउनलोड।

ट्यूटोरियल « DBMS: उदाहरणों और समस्याओं में SQL भाषा'' I.F. अस्ताखोवा, A.P. अध्ययन और विशेषता "एप्लाइड गणित और कंप्यूटर विज्ञान" के क्षेत्र में डेटाबेस के साथ सूचना प्रणाली के लिए समर्पित एक प्रशिक्षण पाठ्यक्रम के हिस्से के रूप में एसक्यूएल भाषा की मूल बातें का अध्ययन करने के लिए व्यावहारिक और प्रयोगशाला कक्षाएं प्रदान करने के लिए जटिलता की डिग्री। डेटाबेस का उपयोग करने वाली सूचना प्रणालियाँ वर्तमान में आधुनिक कंप्यूटर प्रौद्योगिकी के सबसे महत्वपूर्ण क्षेत्रों में से एक का प्रतिनिधित्व करती हैं। अधिकांश आधुनिक सॉफ्टवेयर बाजार इसी क्षेत्र से जुड़ा है। आधुनिक सूचना प्रौद्योगिकियों में SQL भाषा के स्थान को ध्यान में रखते हुए, इस क्षेत्र में काम करने वाले किसी भी विशेषज्ञ के लिए इसका ज्ञान आवश्यक है। इसलिए, इसका व्यावहारिक विकास डेटाबेस के साथ सूचना प्रणाली का अध्ययन करने के उद्देश्य से प्रशिक्षण पाठ्यक्रमों का एक अभिन्न अंग है। वर्तमान में, ऐसे पाठ्यक्रम कई विश्वविद्यालय विशिष्टताओं के पाठ्यक्रम में शामिल हैं। इसमें कोई संदेह नहीं है कि यह सुनिश्चित करने के लिए कि छात्रों को एसक्यूएल भाषा में स्थिर कौशल प्राप्त करने का अवसर मिले, भाषा की मूल बातें के साथ सैद्धांतिक परिचित होने के अलावा, संबंधित प्रशिक्षण पाठ्यक्रम में पर्याप्त मात्रा में प्रयोगशाला अभ्यास शामिल होना चाहिए। इसके व्यावहारिक उपयोग पर. प्रस्तावित पाठ्यपुस्तक का उद्देश्य मुख्य रूप से इस प्रकार की गतिविधि के लिए पद्धतिगत समर्थन करना है। इस संबंध में, यह SQL प्रश्नों को तैयार करने में जटिलता की अलग-अलग डिग्री के व्यावहारिक उदाहरणों, कार्यों और अभ्यासों के चयन पर ध्यान केंद्रित करता है, जिससे शैक्षणिक सेमेस्टर के दौरान व्यावहारिक भाषा सीखने के सत्र आयोजित किए जा सकते हैं।

पाठ्यपुस्तक "कृत्रिम बुद्धिमत्ता प्रणाली। प्रैक्टिकल कोर्स" अस्ताखोवा आई.एफ., चुलुकोवा वी.ए., पोटापोव ए.एस., मिलोव्स्काया एल.एस., काशीरीना आई.एल., बोगदानोवा एम.वी., प्रोस्वेटोवा यू.वी. द्वारा, जिसमें शास्त्रीय विश्वविद्यालय शिक्षा के अनुसार यूएमओ स्टैम्प है और बिनोम प्रकाशन गृहों द्वारा प्रकाशित किया गया है। 2008 में नॉलेज लैबोरेटरी और फिज़मैटलिट, "डेटाबैंक और विशेषज्ञ प्रणाली", "डेटाबेस और विशेषज्ञ प्रणाली", "कृत्रिम बुद्धिमत्ता प्रणाली", "सूचना बुद्धिमान प्रणाली" विषयों में व्याख्यान और प्रयोगशाला कक्षाओं के लिए तैयार किया गया। यह पुस्तक कंप्यूटर विज्ञान के क्षेत्र को समर्पित है, जिसमें हाल के वर्षों में उच्च शिक्षण संस्थानों के लिए घरेलू शैक्षिक साहित्य बहुत कम रहा है। पाठ्यपुस्तकों की तुलना में अनुवादित पुस्तकों के वैज्ञानिक प्रकाशन होने की अधिक संभावना है। बहुत सारे उदाहरणों, प्रयोगशाला कार्यों के साथ आना आवश्यक था जो छात्र कंप्यूटर पर करेंगे और ज्ञान, कौशल और क्षमताएं हासिल करेंगे (शिक्षा के लिए योग्यता-आधारित दृष्टिकोण के दृष्टिकोण से)।

इस पाठ्यपुस्तक का मुख्य लाभ और समान प्रकाशनों से महत्वपूर्ण अंतर इसमें लगभग 100 उदाहरण, 235 अभ्यास, कवर की गई सामग्री को दोहराने के लिए 79 प्रश्न, 11 प्रयोगशाला कार्य जिसमें 6 विभिन्न सॉफ्टवेयर उत्पादों का अध्ययन किया जाता है, की उपस्थिति है।

ग्रंथ सूची लिंक

स्थित एस.जी. टोलमाचेव

कृत्रिम होशियारी।

तंत्रिका नेटवर्क मॉडल

रूसी संघ के शिक्षा और विज्ञान मंत्रालय बाल्टिक राज्य तकनीकी विश्वविद्यालय "वोएनमेक"

सूचना प्रसंस्करण और प्रबंधन प्रणाली विभाग

स्थित एस.जी. टोलमाचेव

कृत्रिम होशियारी।

तंत्रिका नेटवर्क मॉडल

ट्यूटोरियल

सेंट पीटर्सबर्ग

यूडीसी 004.8(075.8) टी52

टॉल्माचेव, एस.जी.

T52 कृत्रिम बुद्धिमत्ता प्रणाली। तंत्रिका नेटवर्क मॉडल: पाठ्यपुस्तक / एस.जी. टोलमाचेव; बाल्ट। राज्य तकनीक. विश्वविद्यालय. - सेंट पीटर्सबर्ग, 2011. 132 पी।

आईएसबीएन 978-5 -85546-633-1

कृत्रिम तंत्रिका नेटवर्क की संरचना और कामकाज के सिद्धांतों के बारे में बुनियादी जानकारी प्रदान की गई है। एक औपचारिक न्यूरॉन की कार्यप्रणाली, उनकी वास्तुकला और प्रशिक्षण के प्रकार के अनुसार तंत्रिका नेटवर्क का वर्गीकरण, विभिन्न तंत्रिका नेटवर्क समस्याओं के विशिष्ट सूत्रीकरण और उन्हें हल करने के तरीकों पर विचार किया जाता है।

"सूचना प्रणाली और प्रौद्योगिकी" और "स्वचालित सूचना प्रसंस्करण और प्रबंधन प्रणाली" विशेषज्ञता में अध्ययन करने वाले वरिष्ठ छात्रों के लिए अभिप्रेत है।

यूडीसी 004.8(075.8)

समीक्षक: डॉ. टेक. विज्ञान प्रोफ़ेसर, प्रमुख. वैज्ञानिक OJSC "चिंता "ग्रेनाइट-इलेक्ट्रॉन" के कर्मचारी एस.एन. शारोव; पीएच.डी. तकनीक. विज्ञान, प्रोफेसर, प्रमुख। विभाग I5 बीएसटीयू एन.एन. स्मिरनोवा

विश्वविद्यालय की संपादकीय एवं प्रकाशन परिषद द्वारा अनुमोदित

परिचय

बुद्धिमान सिस्टम बनाने के लिए सबसे शक्तिशाली उपकरणों में से एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) है, जो मानव मस्तिष्क में निहित बुनियादी सूचना प्रसंस्करण तंत्र का मॉडल बनाता है। यह ज्ञात है कि मस्तिष्क मौलिक रूप से अलग तरीके से काम करता है और अक्सर मनुष्य द्वारा बनाई गई किसी भी कंप्यूटिंग मशीन की तुलना में अधिक कुशलता से काम करता है। यह वह तथ्य है जिसने कई वर्षों से वैज्ञानिकों को कृत्रिम तंत्रिका नेटवर्क के निर्माण और अनुसंधान पर काम करने के लिए प्रेरित किया है।

मस्तिष्क एक अत्यंत जटिल सूचना प्रसंस्करण प्रणाली है। इसमें अपने संरचनात्मक घटकों, जिन्हें न्यूरॉन्स कहा जाता है, को व्यवस्थित करने की क्षमता है, ताकि वे सबसे तेज़ आधुनिक कंप्यूटरों की तुलना में कई गुना तेजी से विशिष्ट कार्य (पैटर्न पहचान, संवेदी प्रसंस्करण, मोटर फ़ंक्शन) कर सकें। ऐसे कार्य का एक उदाहरण सामान्य दृष्टि है। दृश्य प्रणाली के कार्यों में आसपास की दुनिया का एक ऐसे रूप में विचार बनाना शामिल है जो इसके साथ बातचीत करने की क्षमता प्रदान करता है। मस्तिष्क क्रमिक रूप से पहचान कार्य करता है (उदाहरण के लिए, किसी अपरिचित वातावरण में किसी परिचित चेहरे को पहचानना) और इस पर 100...200 एमएस खर्च करता है। कंप्यूटर पर समान, कम जटिल कार्यों को पूरा करने में कई घंटे लग सकते हैं।

एक ऐसी मशीन बनाने की चुनौती की भयावहता को समझने के लिए जो हमारे मस्तिष्क के समान ही उत्कृष्ट कार्य करती है, हमें केवल उन कुछ नियमित कार्यों के बारे में सोचने की ज़रूरत है जो हम हर दिन करते हैं। मान लीजिए कि आप अपनी मेज पर बैठे हैं, और इस समय आपका सहकर्मी, जो छुट्टी से लौटा है, कमरे में प्रवेश करता है। उसने एक नई टी-शर्ट पहन रखी है, उसके सांवले चेहरे पर धूप का चश्मा है, और वह थोड़ा छोटा लग रहा है क्योंकि उसने अपनी दाढ़ी काट ली है। क्या आप उसे पहचानते हैं? निस्संदेह, चूँकि भेष बदलना उसकी योजनाओं का हिस्सा नहीं है। बातचीत के दौरान, वह आपसे पूछता है: "वह किताब कहाँ है जो मैंने आपको पढ़ने के लिए दी थी?" आप प्रश्न की व्याख्या पुस्तक वापस करने के अनुरोध के रूप में करते हैं। फिर अपनी डेस्क को देखें और

आप किताबों और उस पर पड़े कागजों के ढेर के बीच संबंधित किताब को देखते हैं, आप उसके पास पहुंचते हैं, उसे दस्तावेजों के ढेर से बाहर निकालते हैं और अपने सहयोगी को देते हैं। ऐसे रोजमर्रा के कार्यों के लिए हमें अधिक मानसिक प्रयास की आवश्यकता नहीं होती है, लेकिन उनमें से प्रत्येक को हल करने में कई सटीक गणना वाले चरण शामिल होते हैं। ऐसी समस्याओं को हल करने में कठिनाई तब महसूस की जा सकती है जब वस्तुओं को उनकी उपस्थिति या अन्य विशेषताओं के आधार पर पहचानने के लिए कंप्यूटर सिस्टम को प्रोग्राम करने का प्रयास किया जाता है, संदर्भ के आधार पर निर्णय लिया जाता है, आदि।

एक सरल उदाहरण बैट सोनार है, जो एक सक्रिय इको-लोकेशन प्रणाली है। वांछित वस्तु की दूरी के बारे में जानकारी प्रदान करने के अलावा, यह लोकेटर आपको सापेक्ष गति, व्यक्तिगत तत्वों के आकार और गति की दिशा जैसे ऑब्जेक्ट मापदंडों की गणना करने की अनुमति देता है। प्राप्त सिग्नल से इस जानकारी को निकालने के लिए, चमगादड़ का छोटा मस्तिष्क जटिल तंत्रिका गणना करता है।

क्या चीज़ मानव या चमगादड़ के मस्तिष्क को ऐसे परिणाम प्राप्त करने की अनुमति देती है? जन्म के समय, मस्तिष्क में पहले से ही एक आदर्श संरचना होती है जो उसे आमतौर पर अनुभव कहे जाने वाले अनुभव के आधार पर अपने नियम बनाने की अनुमति देती है। अनुभव व्यक्ति के जीवन के अंतिम दिनों तक समय के साथ जमा होता जाता है, विशेष रूप से जीवन के पहले दो वर्षों में बड़े पैमाने पर परिवर्तन होते हैं।

न्यूरोनल विकास मस्तिष्क प्लास्टिसिटी की अवधारणा से जुड़ा है - पर्यावरणीय परिस्थितियों के अनुसार तंत्रिका तंत्र को समायोजित करने की क्षमता। मानव मस्तिष्क में प्राथमिक सूचना प्रसंस्करण इकाइयों के रूप में न्यूरॉन्स के कामकाज में प्लास्टिसिटी सबसे महत्वपूर्ण भूमिका निभाती है। इसी तरह, कृत्रिम न्यूरॉन्स को एएनएन में कॉन्फ़िगर किया जाता है। सामान्य तौर पर, एएनएन एक ऐसी मशीन है जो मस्तिष्क द्वारा किसी विशिष्ट समस्या को हल करने के तरीके को मॉडल करती है। यह नेटवर्क इलेक्ट्रॉनिक घटकों (न्यूरोप्रोसेसर) का उपयोग करके कार्यान्वित किया जाता है या डिजिटल कंप्यूटर पर चलने वाले प्रोग्राम द्वारा मॉडलिंग किया जाता है। उच्च प्रदर्शन प्राप्त करने के लिए, एएनएन प्राथमिक कम्प्यूटेशनल कोशिकाओं - न्यूरॉन्स के बीच कई कनेक्शनों का उपयोग करते हैं। तंत्रिका नेटवर्क की कई परिभाषाओं में से, एक अनुकूली मशीन के रूप में एएनएन की परिभाषा सबसे सटीक है: कृत्रिम तंत्रिका नेटवर्कयह वितरित है

एक समानांतर प्रोसेसर जिसमें मानक सूचना प्रसंस्करण तत्व शामिल होते हैं जो प्रयोगात्मक ज्ञान जमा करते हैं और इसे बाद के प्रसंस्करण के लिए प्रदान करते हैं। तंत्रिका नेटवर्क दो तरह से मस्तिष्क के समान है:

1) ज्ञान पर्यावरण से तंत्रिका नेटवर्क में प्रवेश करता है

और सीखने की प्रक्रिया में नेटवर्क द्वारा उपयोग किया जाता है;

2) ज्ञान संचय करने के लिए, इंटिरियरन कनेक्शन, जिसे सिनैप्टिक वेट भी कहा जाता है, का उपयोग किया जाता है।

सीखने की प्रक्रिया को अंजाम देने के लिए उपयोग की जाने वाली प्रक्रिया को लर्निंग एल्गोरिदम कहा जाता है। इसका कार्य एएनएन के सिनैप्टिक भार को एक निश्चित तरीके से संशोधित करना है ताकि नेटवर्क आवश्यक गुण प्राप्त कर सके।

वज़न को संशोधित करना एएनएन को प्रशिक्षित करने का एक पारंपरिक तरीका है। यह दृष्टिकोण नियंत्रण में उपयोग किए जाने वाले अनुकूली रैखिक फिल्टर के सिद्धांत के करीब है। हालाँकि, एएनएन के लिए अपनी स्वयं की टोपोलॉजी को संशोधित करने की भी संभावना है, इस तथ्य के आधार पर कि एक जीवित मस्तिष्क में न्यूरॉन्स मर सकते हैं, और नए सिनैप्टिक कनेक्शन बनाए जा सकते हैं।

इस प्रकार, एएनएन को अपनी कंप्यूटिंग शक्ति का एहसास उनके दो मुख्य गुणों के कारण होता है: एक समानांतर-वितरित संरचना और अर्जित ज्ञान को सीखने और सामान्यीकृत करने की क्षमता। सामान्यीकरण संपत्ति इनपुट संकेतों के लिए सही आउटपुट उत्पन्न करने के लिए एएनएन की क्षमता को संदर्भित करती है जिन्हें सीखने की प्रक्रिया के दौरान ध्यान में नहीं रखा गया था। ये दो गुण एएनएन को एक सूचना प्रसंस्करण प्रणाली बनाते हैं जो जटिल बहुआयामी समस्याओं को हल करने में सक्षम है जो वर्तमान में कठिन हैं।

यह ध्यान दिया जाना चाहिए कि व्यवहार में, स्वायत्त एएनएन अक्सर तैयार समाधान प्रदान नहीं कर सकते हैं। उन्हें जटिल प्रणालियों में एकीकृत किया जाना चाहिए। एक जटिल समस्या को कई सरल समस्याओं में विभाजित किया जा सकता है, जिनमें से कुछ को तंत्रिका नेटवर्क द्वारा हल किया जा सकता है।

एएनएन के अनुप्रयोग के क्षेत्र बहुत विविध हैं: पाठ और वाक् पहचान और विश्लेषण, अर्थ खोज, विशेषज्ञ प्रणालियाँ और निर्णय समर्थन प्रणालियाँ, स्टॉक मूल्य भविष्यवाणी, सुरक्षा प्रणालियाँ। विभिन्न क्षेत्रों में ANN के उपयोग के कई उदाहरण हैं।

1. परिवहन सुरक्षा प्रणालियाँ। अमेरिकी कंपनी

साइंस एप्लीकेशन इंटरनेशनल कॉरपोरेशन ने एएनएन का उपयोग किया

उनका टीएनए प्रोजेक्ट। विकसित किया जा रहा उपकरण पैक किए गए सामान में प्लास्टिक विस्फोटकों का पता लगाने के लिए डिज़ाइन किया गया है। सामान पर ऐसे कणों की बमबारी होती है जो द्वितीयक विकिरण का कारण बनते हैं, जिसके स्पेक्ट्रम का विश्लेषण तंत्रिका नेटवर्क द्वारा किया जाता है। यह उपकरण 97% से अधिक विस्फोटकों का पता लगाने की संभावना प्रदान करता है और प्रति मिनट 10 सामान के टुकड़ों को स्कैन करने में सक्षम है।

2. वित्तीय बाज़ारों में न्यूरल नेटवर्क सॉफ़्टवेयर पैकेज। अमेरिकन केमिकल बैंक "संदिग्ध" लेनदेन को फ़िल्टर करते हुए, मुद्रा विनिमय पर लेनदेन को पूर्व-प्रक्रिया करने के लिए न्यूरल डेटा से एक तंत्रिका नेटवर्क प्रणाली का उपयोग करता है। सिटीबैंक 1990 से तंत्रिका नेटवर्क भविष्यवाणियों का उपयोग कर रहा है। स्वचालित डीलिंग अधिकांश ब्रोकरों से अधिक रिटर्न दिखाता है। गौरतलब है कि सेमिनार की कार्यवाही “आर्टिफिशियल इंटेलिजेंस इनवॉल स्ट्रीट" में कई महत्वपूर्ण खंड शामिल हैं।

3. समाचारों की निगरानी और स्वचालित वर्गीकरण। जगह

टेक्स्ट संदेशों के विषय को जानना एएनएन का उपयोग करने का एक और उदाहरण है। कॉन्वेक्टिस समाचार सर्वर (एपटेक्स सॉफ्टवेयर इंक. का एक उत्पाद) संदेशों का श्रेणियों में स्वचालित वर्गीकरण प्रदान करता है। संदर्भ के आधार पर शब्दों के अर्थों की जाँच करके, कन्वेक्टिस वास्तविक समय में विषयों को पहचानने और नेटवर्क रॉयटर्स, एनबीसी, सीबीएस आदि पर प्रसारित पाठ संदेशों के विशाल प्रवाह को वर्गीकृत करने में सक्षम है। संदेश का विश्लेषण करने के बाद, एक एनोटेशन, कीवर्ड की एक सूची और जिन श्रेणियों से यह संदेश संबंधित है उनकी एक सूची तैयार की जाती है

4. मानव रहित हवाई वाहनों का ऑटोपायलटिंग। हाइपरसोनिक टोही विमान LoFLYTE (लो-ऑब्जर्वेबल फ्लाइट टेस्ट एक्सपेरिमेंट), 2.5 मीटर लंबा जेट मानव रहित विमान, एक्यूरेट ऑटोमेशन कॉर्प द्वारा NASA और अमेरिकी वायु सेना के लिए विकसित किया गया था। छोटे नवीन व्यवसायों का समर्थन करने के लिए कार्यक्रम के ढांचे के भीतर। यह पायलटिंग के नए सिद्धांतों का पता लगाने के लिए एक प्रायोगिक विकास है। इसमें तंत्रिका नेटवर्क शामिल हैं जो ऑटोपायलट को पायलट की उड़ान तकनीकों की नकल करके सीखने की अनुमति देते हैं। समय के साथ, तंत्रिका नेटवर्क नियंत्रण अनुभव प्राप्त करते हैं, और सूचना प्रसंस्करण की गति उन्हें चरम और आपातकालीन स्थितियों में जल्दी से रास्ता खोजने की अनुमति देती है। LoFLYTE को सुपरसोनिक गति पर उड़ान के लिए डिज़ाइन किया गया है, जहां पायलट की प्रतिक्रिया का समय उड़ान की स्थिति में बदलाव के लिए पर्याप्त रूप से प्रतिक्रिया देने के लिए पर्याप्त नहीं हो सकता है।

आजकल, ANN गणना की अवधारणा का एक महत्वपूर्ण विस्तार हैं। उन्होंने पहले से ही कई कठिन समस्याओं से निपटना संभव बना दिया है और उन समस्याओं को हल करने में सक्षम नए कार्यक्रमों और उपकरणों के निर्माण का वादा किया है जो वर्तमान में केवल मनुष्य ही कर सकते हैं। आधुनिक न्यूरो कंप्यूटर का उपयोग मुख्य रूप से सॉफ्टवेयर उत्पादों के रूप में किया जाता है और इसलिए "समानांतरता" के लिए उनकी क्षमता का शायद ही कभी दोहन होता है। वास्तविक समानांतर न्यूरोकंप्यूटेशन का युग भाषण, वीडियो, स्थिर छवियों और अन्य प्रकार की आलंकारिक जानकारी के प्रसंस्करण के लिए डिज़ाइन किए गए विशेष न्यूरोचिप्स और विस्तार कार्ड के हार्डवेयर कार्यान्वयन के बाजार में उपस्थिति के साथ शुरू होगा।

एएनएन के अनुप्रयोग का एक अन्य क्षेत्र उनका उपयोग है

वी विशेष सॉफ्टवेयररोबोटिक एजेंट भौतिक कार्य करने के बजाय सूचना संसाधित करने के लिए डिज़ाइन किए गए हैं। बुद्धिमान सहायकों को उपयोगकर्ताओं के लिए कंप्यूटर के साथ संचार करना आसान बनाना चाहिए। उनकी विशिष्ट विशेषता उनके "मालिक" के व्यवहार के अवलोकन और विश्लेषण के माध्यम से यथासंभव सर्वोत्तम रूप से समझने की इच्छा होगी कि उनसे क्या अपेक्षित है। पता लगाने की कोशिश की जा रही है

वी इस व्यवहार में कुछ नियमितताएं हैं, बुद्धिमान एजेंटों को कुछ कार्यों को करने के लिए समय पर अपनी सेवाएं प्रदान करनी चाहिए, उदाहरण के लिए, समाचार संदेशों को फ़िल्टर करना, उन दस्तावेज़ों का बैकअप लेना जिन पर उपयोगकर्ता काम कर रहा है, आदि। यही कारण है कि एएनएन, डेटा को सारांशित करने और उनमें पैटर्न खोजने में सक्षम, ऐसे सॉफ़्टवेयर एजेंटों का एक स्वाभाविक घटक हैं।

1. कंप्यूटर और मस्तिष्क

1.1. जैविक न्यूरॉन

मानव तंत्रिका तंत्र को तीन चरणों वाली संरचना में सरलीकृत किया जा सकता है। इस प्रणाली का केंद्र मस्तिष्क है, जिसमें न्यूरॉन्स का एक नेटवर्क होता है (चित्र 1.1)। यह जानकारी प्राप्त करता है, उसका विश्लेषण करता है और उचित निर्णय लेता है। रिसेप्टर्स पर्यावरण और आंतरिक अंगों से संकेतों को तंत्रिका नेटवर्क (मस्तिष्क) द्वारा समझे जाने वाले विद्युत आवेगों में परिवर्तित करते हैं। रिसेप्टर्स हमारे मस्तिष्क और बाहरी दुनिया के बीच संचार प्रदान करते हैं, जिससे इसे दृश्य, श्रवण, स्वाद, घ्राण और स्पर्श संबंधी जानकारी प्राप्त करने की अनुमति मिलती है। एफई-

फ़ैक्टर मस्तिष्क द्वारा उत्पन्न विद्युत आवेगों को आउटपुट सिग्नल में परिवर्तित करते हैं जो मांसपेशियों, आंतरिक अंगों और रक्त वाहिकाओं की दीवारों को नियंत्रित करते हैं। इस प्रकार, मस्तिष्क हृदय की कार्यप्रणाली, श्वास, रक्तचाप, तापमान को नियंत्रित करता है, रक्त में आवश्यक ऑक्सीजन सामग्री को बनाए रखता है आदि। मध्यवर्ती न्यूरॉन्स संवेदी न्यूरॉन्स से प्राप्त जानकारी को संसाधित करते हैं और इसे प्रभावकारी न्यूरॉन्स तक पहुंचाते हैं।

चावल। 1.1. तंत्रिका तंत्र का सरलीकृत आरेख

यह ध्यान दिया जाना चाहिए कि मस्तिष्क दो प्रकार की कोशिकाओं से बना है: ग्लियाल और न्यूरॉन्स। और यद्यपि ग्लियाल कोशिकाओं की भूमिका काफी महत्वपूर्ण प्रतीत होती है, अधिकांश वैज्ञानिकों का मानना ​​है कि मस्तिष्क कैसे काम करता है यह समझने का अधिकांश तरीका एक ही जुड़े नेटवर्क में जुड़े न्यूरॉन्स का अध्ययन करना है। इस दृष्टिकोण का उपयोग कृत्रिम तंत्रिका नेटवर्क (एएनएन) के निर्माण में किया जाता है।

यह ध्यान दिया जाना चाहिए कि अन्य राय भी हैं। कुछ शोधकर्ताओं का मानना ​​​​है कि मुख्य प्रक्रियाएं तंत्रिका नेटवर्क में नहीं, बल्कि कोशिकाओं में, अर्थात् उनके साइटोस्केलेटन में, तथाकथित सूक्ष्मनलिकाएं में होती हैं। इस दृष्टिकोण के अनुसार, स्मृति और यहां तक ​​कि चेतना दोनों इंट्रासेल्युलर संरचनाओं में प्रोटीन में परिवर्तन और संबंधित क्वांटम प्रभावों से निर्धारित होती हैं।

मस्तिष्क में न्यूरॉन्स की संख्या अनुमानित रूप से 1010...1011 है। एक जैविक न्यूरॉन में, निम्नलिखित संरचनात्मक इकाइयों को प्रतिष्ठित किया जा सकता है (चित्र 1.2):

कोशिका शरीर (सोमा);

डेंड्राइट कई शाखाओं वाले छोटे (1 मिमी से अधिक नहीं) तंत्रिका फाइबर होते हैं जो अन्य न्यूरॉन्स से जानकारी एकत्र करते हैं;

अक्षतंतु एकमात्र पतला, लंबा (कभी-कभी एक मीटर से भी अधिक) तंत्रिका तंतु है। अक्षतंतु आवेगों के संचालन और अन्य न्यूरॉन्स या मांसपेशी फाइबर तक प्रभाव के संचरण को सुनिश्चित करता है। इसके समापन पर, अक्षतंतु भी शाखाएं बनाता है और अन्य न्यूरॉन्स के डेन्ड्राइट के साथ संपर्क बनाता है;

शिक्षा के लिए संघीय एजेंसी

राज्य शैक्षिक संस्थान

उच्च व्यावसायिक शिक्षा

"वोल्गोग्राड राज्य तकनीकी विश्वविद्यालय"

कामशिन प्रौद्योगिकी संस्थान (शाखा)

गौ वीपीओ "वोल्गोग्राड राज्य तकनीकी विश्वविद्यालय"

अनुशासन में व्यावहारिक पाठ्यक्रम "कृत्रिम खुफिया प्रणाली"

शैक्षिक इलेक्ट्रॉनिक संस्करण

वोल्गोग्राद

एनएल - प्राकृतिक भाषा

एआई - कृत्रिम बुद्धिमत्ता

एलपी - विधेय तर्क

निर्णय-निर्माता - निर्णय-निर्माता

एमटी - ट्यूरिंग मशीन

पीजीए - सरल आनुवंशिक एल्गोरिदम

पीपीएफ - एक सही ढंग से निर्मित फार्मूला

PRO - आदिम पुनरावर्ती ऑपरेटर

पीआरएफ - आदिम पुनरावर्ती कार्य

आरएफ - पुनरावर्ती कार्य

एसएनआई - कृत्रिम बुद्धिमत्ता प्रणाली

एफपी - फिटनेस फ़ंक्शन

टीएफ - उद्देश्य समारोह

ईएस - विशेषज्ञ प्रणाली

परिचय

प्रारंभ में, कृत्रिम बुद्धिमत्ता को सोचने वाली मशीनें बनाने के विज्ञान के रूप में देखा गया था। इस क्षेत्र को कंप्यूटर विज्ञान का पवित्र क्षेत्र माना जाता था। समय के साथ, कृत्रिम बुद्धिमत्ता एक अधिक व्यावहारिक अनुशासन के रूप में विकसित हुई है। इस क्षेत्र में अभी भी सोच के तंत्र का अध्ययन शामिल है। कृत्रिम बुद्धिमत्ता के ढांचे के भीतर, कंप्यूटर द्वारा जटिल व्यावहारिक समस्याओं को हल करने के लिए विभिन्न रणनीतियों पर विचार किया जाता है। इसके अलावा, आज यह स्पष्ट हो गया है कि बुद्धि स्वयं इतनी जटिल इकाई है जिसे एक सिद्धांत के ढांचे के भीतर वर्णित नहीं किया जा सकता है। विभिन्न सिद्धांत अमूर्तन के विभिन्न स्तरों पर इसका वर्णन करते हैं। निम्नतम स्तर पर सीखना तंत्रिका नेटवर्क, पहचान मशीनों, आनुवंशिक एल्गोरिदम और कंप्यूटिंग के अन्य रूपों द्वारा प्रदान किया जाता है जो भौतिक दुनिया के साथ अनुकूलन, अनुभव और बातचीत करने की क्षमता को मॉडल करते हैं। अमूर्तता के उच्च स्तर पर, विशेषज्ञ प्रणालियों, बुद्धिमान एजेंटों, स्टोकेस्टिक मॉडल और प्राकृतिक भाषा समझ प्रणालियों के निर्माता काम करते हैं। यह स्तर ज्ञान के निर्माण, प्रसारण और पुनर्प्राप्ति में सामाजिक प्रक्रियाओं की भूमिका को ध्यान में रखता है। अमूर्तता के उच्चतम स्तर में तार्किक दृष्टिकोण शामिल हैं, जिनमें निगमनात्मक, अपहरणात्मक मॉडल, सत्य समर्थन प्रणाली और तर्क के अन्य रूप और तरीके शामिल हैं।

यह मैनुअल इन सिद्धांतों के प्रावधानों के आधार पर एल्गोरिदम का अध्ययन करने के लिए व्यावहारिक कार्यों के साथ कुछ निम्न-स्तरीय सिद्धांतों की मूल बातें रेखांकित करता है। विशेष रूप से, पैटर्न पहचान के सिद्धांत की नींव को रैखिक विभेदक कार्यों और समानता कार्यों के अध्ययन के कार्य के साथ माना जाता है; पैटर्न पहचान की समस्या पर कृत्रिम तंत्रिका नेटवर्क के गुणों का अध्ययन करने की समस्या के निर्माण के साथ कृत्रिम तंत्रिका नेटवर्क का सिद्धांत; किसी फ़ंक्शन के चरम की खोज करते समय उनके गुणों का अध्ययन करने की समस्या के निर्माण के साथ आनुवंशिक एल्गोरिदम। शोध कार्य करने के लिए, आपको किसी प्रोग्रामिंग भाषा, अधिमानतः ऑब्जेक्ट-ओरिएंटेड में प्रोग्राम करने में सक्षम होना चाहिए।

1.1. कृत्रिम बुद्धि के सिद्धांत की उत्पत्ति

1.1.1. कृत्रिम बुद्धि अवधारणा

अवधि बुद्धिमत्ता(बुद्धि) लैटिन इंटेलेक्टस से आया है, जिसका अर्थ है मन, कारण, दिमाग और किसी व्यक्ति की सोचने की क्षमता। क्रमश कृत्रिम होशियारी(एआई, अंग्रेजी में समकक्ष: कृत्रिम बुद्धिमत्ता, एआई) मानव बुद्धि के व्यक्तिगत कार्यों को करने के लिए स्वचालित प्रणालियों की संपत्ति है।

कोई भी कृत्रिम बुद्धिमत्ता किसी व्यक्ति की प्राकृतिक बुद्धि द्वारा किए गए निर्णय लेने का एक मॉडल है। कृत्रिम बुद्धिमत्ता प्राकृतिक बुद्धिमत्ता से तुलना के योग्य हो सकती है, बशर्ते कि उत्पन्न समाधानों की गुणवत्ता औसत प्राकृतिक बुद्धिमत्ता से बदतर न हो।

1.1.2. ऑटोमेशन लूप में कृत्रिम बुद्धिमत्ता

ऐसी प्रणालियों में, नियंत्रण लूप पेश किया जाता है निर्णयकर्ता(डीएम).

निर्णय निर्माता के पास वस्तु के प्रबंधन की कसौटी और यहां तक ​​कि वस्तु के अस्तित्व के उद्देश्य के संबंध में प्राथमिकताओं की अपनी प्रणाली होती है। निर्णय निर्माता, अक्सर, पारंपरिक स्वचालित नियंत्रण प्रणाली द्वारा पेश किए गए तरीकों से, कम से कम आंशिक रूप से, सहमत नहीं होता है। निर्णय निर्माता, एक नियम के रूप में, सिस्टम के मुख्य मापदंडों को नियंत्रित करता है, जबकि बाकी को स्थानीय नियंत्रण प्रणालियों द्वारा नियंत्रित किया जाता है। नियंत्रण पाश में निर्णय निर्माताओं की गतिविधियों को स्वचालित करने का कार्य उत्पन्न होता है।

एआई एक अनुसंधान क्षेत्र है जो मॉडल और संबंधित सॉफ़्टवेयर बनाता है जो कंप्यूटर को रचनात्मक, गैर-कम्प्यूटेशनल प्रकृति की समस्याओं को हल करने की अनुमति देता है, जिन्हें समाधान प्रक्रिया में शब्दार्थ (अर्थ की समस्या) को संबोधित करने की आवश्यकता होती है।

AI एक सॉफ्टवेयर सिस्टम है जो कंप्यूटर पर इंसान की सोच की नकल करता है। ऐसी प्रणाली बनाने के लिए, निर्णय लेने वाले की सोचने की प्रक्रिया का अध्ययन करना, इस प्रक्रिया के मुख्य चरणों पर प्रकाश डालना और ऐसे सॉफ़्टवेयर विकसित करना आवश्यक है जो इन चरणों को कंप्यूटर पर पुन: प्रस्तुत करता हो।

1.1.3. बौद्धिक कार्य और गतिविधि की अवधारणा

मानव बुद्धि की एक विशेषता ज्ञान को प्राप्त करने, याद रखने और अनुभव से सीखने की प्रक्रिया में उद्देश्यपूर्ण ढंग से परिवर्तित करके और विभिन्न परिस्थितियों में अनुकूलन करके बौद्धिक समस्याओं को हल करने की क्षमता है।

बौद्धिक कार्य- समस्याएं, जिनका समाधान खोजने की प्रक्रिया का औपचारिक विभाजन अलग-अलग प्रारंभिक चरणों में होता है, अक्सर बहुत कठिन हो जाता है, भले ही उनका समाधान स्वयं कठिन न हो।

बौद्धिक समस्याओं को सुलझाने के उद्देश्य से होने वाली मस्तिष्क गतिविधि को हम सोच या बौद्धिक गतिविधि कहेंगे।

बौद्धिक गतिविधि एक ऐसे समाधान का अनुमान लगाने, उत्पन्न करने और निर्माण करने की क्षमता मानती है जो सिस्टम में स्पष्ट रूप से और तैयार नहीं है। समाधान का निष्कर्ष तभी संभव है जब सिस्टम में ज्ञान का आंतरिक प्रतिनिधित्व हो ( बाहरी दुनिया के मॉडल) - बाहरी दुनिया (स्वचालित विषय क्षेत्र) के बारे में ज्ञान का एक औपचारिक प्रतिनिधित्व।

1.1.4. कृत्रिम बुद्धिमत्ता के इतिहास में पहला कदम

बौद्धिक गतिविधि की विशेषताओं को लागू करने वाले पहले कार्यक्रम:

1. मशीनी अनुवाद (1947)। यूएसएसआर में, 1955 से, मशीनी अनुवाद के क्षेत्र में काम जुड़ा हुआ है... मशीनी अनुवाद के कार्य में ज्ञान को कोड से अलग करना आवश्यक था। एक मध्यस्थ भाषा की उपस्थिति ने ज्ञान के आंतरिक प्रतिनिधित्व के लिए एक भाषा बनाने के पहले प्रयास को चिह्नित किया।

2. स्वचालित अमूर्तीकरण और सूचना पुनर्प्राप्ति (1957, यूएसए)। व्यक्तिगत तथ्यों के बीच कनेक्शन और संबंधों की एक प्रणाली को अलग करने का विचार, थिसॉरस की अवधारणा में सन्निहित है।

3. प्रमेयों का प्रमाण (1956, यूएसए)। प्रस्तावित तर्क प्रमेयों को सिद्ध करने के लिए एक कार्यक्रम का उद्भव: "तर्कशास्त्री-सिद्धांतकार"। 1965 में, रिज़ॉल्यूशन विधि सामने आई (जे. रॉबिन्सन, यूएसए), 1967 में - रिवर्स विधि (यूएसएसआर)। विधियाँ उपयोग करने के विचार को क्रियान्वित करती हैं अनुमानी- समाधान निकालते समय विकल्पों की खोज को कम करने के लिए अनुभवी नियम।

4. पैटर्न पहचान (60 के दशक की शुरुआत में)। मान्यता सिद्धांत में विचार सकारात्मक और नकारात्मक उदाहरणों के एक सेट से निर्णायक नियम खोजना सीखने से संबंधित हैं।

1956 में, के. शैनन, एम. मिन्स्की और जे. मैक्कार्थी ने बुद्धिमान कार्यक्रमों के विकास में व्यावहारिक अनुभव को सारांशित करने के लिए डार्टमाउथ (यूएसए) में एक सम्मेलन का आयोजन किया।

1.1.5. सैद्धांतिक आधार का निर्माण

1969 में, आर्टिफिशियल इंटेलिजेंस पर पहला अंतर्राष्ट्रीय सम्मेलन (IJCAI) वाशिंगटन में आयोजित किया गया था। 1976 में, अंतर्राष्ट्रीय पत्रिका आर्टिफिशियल इंटेलिजेंस का प्रकाशन शुरू हुआ। 70 के दशक के दौरान, बुद्धिमान प्रणालियों के क्षेत्र में अनुसंधान की मुख्य सैद्धांतिक दिशाएँ उभरीं:

− ज्ञान निरूपण, बाहरी वातावरण के बारे में ज्ञान की औपचारिकता, बाहरी दुनिया के आंतरिक मॉडल का निर्माण;

− संचार, सिस्टम और उपयोगकर्ता के बीच बातचीत के लिए भाषाओं का निर्माण;

− तर्क और योजना, वैकल्पिक स्थितियों में निर्णय लेना;

− धारणा (मशीन दृष्टि), बाहरी वातावरण से डेटा प्राप्त करना;

− प्रशिक्षण, सिस्टम के अनुभव से ज्ञान निकालना;

− गतिविधि, अपने स्वयं के परिचालन लक्ष्यों के आधार पर सिस्टम का सक्रिय व्यवहार।

1.1.6. कृत्रिम बुद्धि के सिद्धांत की दार्शनिक समस्याएं

यह उपधारा कृत्रिम बुद्धिमत्ता के सिद्धांत में अक्सर और व्यापक रूप से चर्चा की जाने वाली समस्याओं पर मुख्य प्रश्नों और उन पर कुछ टिप्पणियों को सूचीबद्ध करती है।

क्या बुद्धि का पुनरुत्पादन संभव है? स्व-प्रजनन सैद्धांतिक रूप से संभव है। कंप्यूटर का उपयोग करके बौद्धिक समस्याओं के समाधान को स्वचालित करने की मौलिक संभावना एल्गोरिथम सार्वभौमिकता की संपत्ति द्वारा सुनिश्चित की जाती है। हालाँकि, किसी को यह नहीं सोचना चाहिए कि कंप्यूटर और रोबोट, सिद्धांत रूप में, किसी भी समस्या का समाधान कर सकते हैं। एल्गोरिथम की दृष्टि से ऐसी समस्याएँ हैं जिनका समाधान नहीं किया जा सकता।

कृत्रिम बुद्धिमत्ता बनाने का लक्ष्य क्या है? आइए मान लें कि एक व्यक्ति एक ऐसी बुद्धि बनाने में कामयाब रहा है जो उसकी अपनी बुद्धि से अधिक है (भले ही गुणवत्ता में नहीं, लेकिन मात्रा में)। अब मानवता का क्या होगा? व्यक्ति क्या भूमिका निभाएगा? अब इसका उपयोग किसलिए किया जाता है? और सामान्य तौर पर, क्या सैद्धांतिक रूप से AI बनाना आवश्यक है? जाहिर है, इन सवालों का सबसे स्वीकार्य उत्तर "बुद्धिमत्ता बढ़ाने वाले" की अवधारणा है।

क्या कृत्रिम बुद्धिमत्ता बनाना सुरक्षित है? मनुष्यों की तुलना में कई गुना अधिक बुद्धिमत्ता और संचार क्षमताओं से युक्त, प्रौद्योगिकी एक शक्तिशाली स्वतंत्र शक्ति बन जाएगी जो अपने निर्माता का प्रतिकार करने में सक्षम होगी।

1.1.7. अनुप्रयोग

1. प्राकृतिक भाषाओं का प्रसंस्करण, छवियों, भाषण, संकेतों की पहचान, साथ ही बुद्धिमान इंटरफ़ेस मॉडल का निर्माण, वित्तीय पूर्वानुमान, डेटा निष्कर्षण, सिस्टम डायग्नोस्टिक्स, नेटवर्क गतिविधियों की निगरानी, ​​​​डेटा एन्क्रिप्शन (दिशा - तंत्रिका नेटवर्क)।

2. नैनोटेक्नोलॉजी, एक साथ काम करने वाले कई नोड्स, मल्टी-एजेंट सिस्टम और रोबोटिक्स (दिशा - विकासवादी गणना) से युक्त सिस्टम की सेल्फ-असेंबली, सेल्फ-कॉन्फ़िगरेशन और सेल्फ-हीलिंग की समस्याएं।

3. हाइब्रिड नियंत्रण प्रणाली, छवि प्रसंस्करण, छवियों के अर्थ को खोजने, अनुक्रमित करने और विश्लेषण करने के लिए उपकरण, छवियों की पहचान और वर्गीकरण (दिशा - फ़ज़ी लॉजिक)।

4. चिकित्सा निदान, प्रशिक्षण, परामर्श, स्वचालित प्रोग्रामिंग, कार्यक्रम की गुणवत्ता का परीक्षण और विश्लेषण, अल्ट्रा-बड़े एकीकृत सर्किट का डिजाइन, तकनीकी निदान और उपकरण मरम्मत के लिए सिफारिशों का विकास, विभिन्न विषय क्षेत्रों में योजना और डेटा विश्लेषण (दिशा - विशेषज्ञ प्रणाली) (ईएस)).

5. परिवहन समस्याएं, वितरित कंप्यूटिंग, इष्टतम संसाधन लोडिंग (दिशा - खोज को कम करने के तरीके)।

6. बड़े सॉफ्टवेयर डिजाइन सिस्टम का विकास, कोड जनरेशन, सत्यापन, परीक्षण, गुणवत्ता मूल्यांकन, पुन: उपयोग की संभावना की पहचान करना, समानांतर सिस्टम पर समस्याओं को हल करना (दिशा - बुद्धिमान इंजीनियरिंग)।

7. पूर्णतः स्वचालित साइबर फ़ैक्टरियों का निर्माण।

8. खेल, मानवीय भावनाओं का सामाजिक व्यवहार, रचनात्मकता।

9. सैन्य प्रौद्योगिकियाँ।

1.2. कृत्रिम बुद्धिमत्ता प्रणालियों की वास्तुकला

1.2.1. एआईआई वास्तुकला के तत्व

आर्टिफिशियल इंटेलिजेंस सिस्टम आर्किटेक्चर(एसआईआई) - संरचना का संगठन जिसके भीतर निर्णय लेना और किसी विशिष्ट क्षेत्र में ज्ञान का अनुप्रयोग होता है। SII की सबसे सामान्य योजना चित्र में प्रस्तुत की गई है। 1. इस रूप में एक भी वास्तविक AI मौजूद नहीं है; कुछ ब्लॉक गायब हो सकते हैं। एआईएस में हमेशा केवल दो ब्लॉक होते हैं: ज्ञान का आधार और अनुमान तंत्र।

आइए स्वचालित सूचना प्रसंस्करण और नियंत्रण प्रणालियों में कृत्रिम बुद्धिमत्ता के मुख्य प्रकारों पर विचार करें:

- तकनीकी प्रक्रिया नियंत्रण के लिए एसआईआई;

- एसआईआई डायग्नोस्टिक्स;

- एसआईआई योजना और प्रेषण;

− बुद्धिमान रोबोट.

https://pandia.ru/text/78/057/images/image005_133.gif" width=”357″ ऊंचाई=”360 src=”>

चावल। 1. एआईएस की सामान्यीकृत योजना

1.2.2. SII प्रक्रिया नियंत्रण

स्वचालित प्रक्रिया नियंत्रण सूचना प्रणाली की वास्तुकला चित्र में दिखाई गई है। 2.

इस प्रणाली की विशेषताएं:

− प्रबंधन के लिए तकनीकी जानकारी का उपयोग (उपकरण के मापदंडों और संरचना के बारे में उत्पाद विशेषताओं को मापा गया);

- अनुमान तंत्र का उपयोग डेटा को संशोधित करने और सिफारिशें और प्रबंधन निर्णय विकसित करने के लिए किया जाता है;

− वास्तविक समय में काम करने की आवश्यकता;

- अस्थायी तर्क को लागू करने की आवश्यकता (बदलती परिस्थितियों को ध्यान में रखते हुए)।

यह प्रणाली तीन स्तरों पर संचालित होती है:

− ज्ञान आधार (KB) में समस्याओं को हल करने के नियम, समस्याओं को हल करने की प्रक्रियाएँ, समस्या क्षेत्र के बारे में डेटा शामिल हैं, अर्थात, प्रौद्योगिकी और संपूर्ण प्रक्रिया प्रबंधन रणनीति ज्ञान आधार के स्तर पर व्यवस्थित होती है;

- कार्यशील मेमोरी में विचाराधीन प्रक्रिया (डीबी) के बारे में निर्दिष्ट विशेषताओं और डेटा के बारे में जानकारी होती है;

− आउटपुट तंत्र (पारंपरिक प्रणाली में यह एक नियामक है) में अंतिम लक्ष्य (एक स्वीकार्य समाधान) प्राप्त करने के लिए एक सामान्य नियंत्रण तंत्र होता है।

एक महत्वपूर्ण घटक डेटाबेस और ज्ञान आधार ("डेटा विश्लेषण" और "प्रक्रिया डेटा" ब्लॉक) के साथ तकनीकी प्रक्रिया के बीच संचार ब्लॉक है। वे उपयोगकर्ता को निचले स्तर की वस्तुओं से तकनीकी प्रक्रिया के बारे में उत्पादन जानकारी तक शीर्ष-स्तरीय पहुंच प्रदान करते हैं, यानी, वे अद्यतन करके डेटाबेस और ज्ञान आधार की सामग्री को अद्यतित रखते हैं। इकाइयाँ गंभीर स्थितियों को रोकने के लिए निगरानी कार्य भी प्रदान करती हैं।

उत्पादन स्थिति के विकास के लिए सिस्टम की प्रतिक्रिया के संतुलन और पर्याप्तता का औचित्य और स्पष्टीकरण "डायलॉग इंटरफ़ेस" और "कंट्रोल डेटा" ब्लॉक द्वारा प्रदान किया जाता है।

https://pandia.ru/text/78/057/images/image007_118.gif" width=”357″ ऊंचाई=”149 src=”>

चावल। 2. तकनीकी प्रक्रिया नियंत्रण के लिए स्वचालित नियंत्रण प्रणालियों की संरचना

1.2.3. एसआईआई डायग्नोस्टिक्स

यह प्रणाली मूलतः पिछली प्रणाली से भिन्न नहीं है। और चूंकि विभिन्न दोषों के संकेत काफी हद तक मेल खा सकते हैं और उनकी अभिव्यक्तियाँ स्थिर नहीं हो सकती हैं, इन प्रणालियों में निदान की पुष्टि और स्पष्टीकरण के अधिक व्यापक घटक शामिल हैं। इसलिए, अक्सर ऐसी प्रणालियों में निर्णयों का मूल्यांकन व्यक्तिपरक संभाव्यता के दृष्टिकोण से किया जाता है।

1.2.4. रोबोटिक लाइनों और लचीली उत्पादन प्रणालियों का SII

ऐसी प्रणालियों की एक विशेषता एक विश्व मॉडल की उपस्थिति है। एक रोबोटिक प्रणाली अपने विशिष्ट वातावरण में संचालित होती है, और इस वातावरण का विस्तृत विवरण सैद्धांतिक रूप से संभव है। पर्यावरण का यह गणितीय मॉडल कहलाता है बाहरी दुनिया का मॉडल. यह एआई रोबोट के ज्ञान आधार की मुख्य सामग्री है, और ज्ञान आधार का दूसरा भाग सिस्टम के लक्ष्यों के बारे में ज्ञान है (चित्र 3)।

https://pandia.ru/text/78/057/images/image009_112.gif' width='294' ऊंचाई='100 src='>

चावल। 3. SII रोबोटिक लाइनें और लचीली उत्पादन प्रणालियाँ

पर्यावरण की स्थिति को समझने की प्रणाली में शामिल हैं:

- बाहरी वातावरण से सीधे जुड़े सेंसर;

− प्री-प्रोसेसिंग सबसिस्टम;

− विशेषणिक विशेषताएं विभाजन ब्लॉक;

− पर्यावरण की स्थिति का प्रतीकात्मक विवरण;

− पर्यावरण की स्थिति का अर्थपूर्ण विवरण;

− पर्यावरण की स्थिति का एक मॉडल बनाने के लिए ब्लॉक।

अनुमान तंत्र या व्यवहार नियोजन प्रणाली वर्तमान स्थिति के परिणामस्वरूप और वैश्विक लक्ष्य के अनुसार बाहरी वातावरण में रोबोट के कार्यों को निर्धारित करती है। के होते हैं:

− निर्णय आउटपुट सिस्टम;

- एक्चुएटर्स के आंदोलन की योजना बनाने के लिए इकाई।

कार्रवाई निष्पादन प्रणाली में शामिल हैं:

− ड्राइव नियंत्रण सबसिस्टम;

− चलाना;

− एक्चुएटर्स.

1.2.5. SII योजना और प्रेषण

उद्देश्य: परिचालन प्रबंधन की समस्याओं को हल करना, नियोजित कार्यों के संदर्भ में किसी वस्तु के कामकाज की निगरानी के परिणामों की तुलना करना, साथ ही निगरानी करना (चित्र 4)।

निगरानी- जब ऐसी स्थितियाँ उत्पन्न होती हैं जिनमें हस्तक्षेप की आवश्यकता होती है तो संकेतों की निरंतर या आवधिक व्याख्या और संदेश जारी करना।

इन प्रणालियों की ख़ासियत वास्तविक समय की कार्रवाई, एक एकीकृत नियंत्रण प्रणाली के वितरित डेटाबेस के साथ संचार है। ऐसी प्रणाली आवश्यक है क्योंकि एआईएस डेटा नियंत्रण प्रणालियों का हिस्सा है।

https://pandia.ru/text/78/057/images/image011_89.gif" width=”365″ ऊंचाई=”167 src=”>

चावल। 4. एसआईआई योजना और प्रेषण

1.3. एआईएस में ज्ञान प्रतिनिधित्व की समस्या

1.3.1. ज्ञान और डेटा

ज्ञान प्रतिनिधित्व की समस्या एआई की समस्याओं में से एक के रूप में उभरी। यह व्यावहारिक रूप से उपयोगी प्रणालियों के निर्माण से जुड़ा है, मुख्य रूप से ईएस, जिसका उपयोग चिकित्सा, भूविज्ञान और रसायन विज्ञान में किया जाता है। ऐसी प्रणालियों के निर्माण के लिए संबंधित विज्ञान में संचित ज्ञान को औपचारिक बनाने के लिए गहन प्रयासों की आवश्यकता होती है।

शब्द "ज्ञान प्रतिनिधित्व" कंप्यूटर सॉफ्टवेयर के विकास में एक निश्चित चरण से जुड़ा है। यदि पहले चरण में कार्यक्रम हावी थे, और डेटा ने "भूखे" कार्यक्रमों के लिए "भोजन" के रूप में सहायक भूमिका निभाई, तो बाद के चरणों में डेटा की भूमिका लगातार बढ़ती गई। उनकी संरचना अधिक जटिल हो गई: एक कंप्यूटर मेमोरी सेल में स्थित मशीन शब्द से, वैक्टर, सरणियों, फ़ाइलों और सूचियों में संक्रमण हुआ। इस विकास की परिणति अमूर्त डेटा प्रकार - कक्षाएं थीं। डेटा संरचनाओं के निरंतर विकास से उनमें गुणात्मक परिवर्तन आया है और डेटा प्रतिनिधित्व से ज्ञान प्रतिनिधित्व में संक्रमण हुआ है।

ज्ञान हासिल करना

ज्ञान प्रतिनिधित्व का स्तर डेटा प्रतिनिधित्व के स्तर से न केवल इसकी अधिक जटिल संरचना में भिन्न होता है, बल्कि महत्वपूर्ण विशेषताओं में भी भिन्न होता है: व्याख्यात्मकता, वर्गीकृत कनेक्शन की उपस्थिति, उपस्थिति परिस्थितिजन्य रिश्ते(एक साथ, अंतरिक्ष में एक बिंदु पर होना, आदि, ये रिश्ते स्मृति में संग्रहीत कुछ ज्ञान की स्थितिजन्य अनुकूलता निर्धारित करते हैं)। इसके अलावा, ज्ञान के स्तर को सामान्यीकरण के लिए विशेष प्रक्रियाओं की उपस्थिति, सिस्टम में उपलब्ध ज्ञान की पुनःपूर्ति और कई अन्य प्रक्रियाओं जैसी विशेषताओं की विशेषता है।

डेटा प्रस्तुति का एक निष्क्रिय पहलू होता है: एक किताब, एक तालिका, जानकारी से भरी एक स्मृति। एआई सिद्धांत ज्ञान प्रतिनिधित्व के सक्रिय पहलू पर जोर देता है: ज्ञान हासिल करनाएक सक्रिय ऑपरेशन बनना चाहिए जो न केवल याद रखने की अनुमति देता है, बल्कि उसके आधार पर तर्क के लिए कथित (अर्जित, आत्मसात) ज्ञान को लागू करने की भी अनुमति देता है।

1.3.2. स्व-विकासशील मशीनों का विचार

एआई के क्षेत्र में अनुसंधान साइबरनेटिक्स के विचारों के प्रभाव में उत्पन्न हुआ - मुख्य रूप से जीवित जीवों, समाज और प्रौद्योगिकी, विशेष रूप से कंप्यूटर में जानकारी को नियंत्रित करने और प्रसारित करने के लिए प्रक्रियाओं की समानता का विचार।

अपने पारंपरिक रूप में एआई समस्या की दार्शनिक स्वीकार्यता इस अंतर्निहित विचार के कारण थी कि विचारों का क्रम और संबंध चीजों के क्रम और संबंध के समान है। इस प्रकार, एक कंप्यूटर में एक संरचना बनाना जो "विचारों की दुनिया" को पुन: पेश करता है, का सीधा सा अर्थ है भौतिक दुनिया की संरचना के लिए एक समरूपी संरचना बनाना, यानी, "दुनिया का एक इलेक्ट्रॉनिक मॉडल" बनाना। इस मॉडल को कंप्यूटर मॉडल माना जाता था - दुनिया के बारे में मानव ज्ञान का एक मॉडल। कंप्यूटर में मानव सोच की प्रक्रिया की व्याख्या ऐसे मॉडल परिवर्तनों के लिए एक मशीन खोज के रूप में की गई थी जो कंप्यूटर मॉडल को एक निश्चित अंतिम स्थिति में स्थानांतरित करने वाले थे। एएसआई को इस बात के ज्ञान की आवश्यकता थी कि एक पूर्व निर्धारित लक्ष्य - कुछ गुणों वाला एक राज्य - की ओर ले जाने वाले मॉडल राज्यों में परिवर्तन कैसे किया जाए। सबसे पहले, इसमें संग्रहीत मॉडल का स्वतंत्र रूप से अध्ययन करने, यानी किसी निर्धारित लक्ष्य को प्राप्त करने के लिए एक रणनीति को स्वयं सिखाने की कंप्यूटर की मौलिक क्षमता में व्यापक विश्वास था।

इस काल्पनिक क्षमता की व्याख्या मशीन रचनात्मकता की संभावना के रूप में, भविष्य की "सोच मशीनों" के निर्माण के आधार के रूप में की गई थी। और यद्यपि वास्तव में विकसित की जा रही प्रणालियों में, बनाए जा रहे मॉडलों के सैद्धांतिक विश्लेषण और उन पर किए गए प्रयोगों के परिणामों के आधार पर एल्गोरिदम की मदद से मानव अनुभव के आधार पर लक्ष्य प्राप्त किया गया था, स्व-शिक्षा के निर्माण के विचार कई लोगों को प्रणालियाँ सर्वाधिक आशाजनक लगीं। केवल 1980 के दशक तक बुद्धिमान प्रणालियों में वास्तविकता के बारे में मानव ज्ञान का उपयोग करने की समस्या का महत्व समझ में आया, जिसके कारण विशेषज्ञों के व्यक्तिगत ज्ञान को निकालने के लिए ज्ञान के आधार और तरीकों का गंभीर विकास हुआ।

1.3.3. बौद्धिक गतिविधि के एक घटक के रूप में प्रतिबिंब

इस दिशा के विकास के साथ ही प्रतिवर्ती प्रबंधन का विचार उत्पन्न हुआ। इस बिंदु तक, साइबरनेटिक्स में, नियंत्रण को किसी वस्तु पर संकेतों के प्रसारण के रूप में माना जाता था जो सीधे उसके व्यवहार को प्रभावित करता है, और नियंत्रण की प्रभावशीलता प्रतिक्रिया के माध्यम से प्राप्त की जाती थी - नियंत्रित वस्तु की प्रतिक्रियाओं के बारे में जानकारी प्राप्त करना। कर्मकर्त्ताया नियंत्रण- सूचना का स्थानांतरण है जो वस्तु की दुनिया की छवि को प्रभावित करता है। इस प्रकार, प्रतिक्रिया अनावश्यक हो जाती है - विषय की स्थिति सूचना के ट्रांसमीटर, यानी वस्तु को ज्ञात होती है।

पारंपरिक एजीआई शतरंज के खेल जैसे लक्ष्य-उन्मुख व्यवहार की विचारधारा पर आधारित हैं, जहां दोनों भागीदारों का लक्ष्य किसी भी बलिदान की कीमत पर चेकमेट करना है। यह कोई संयोग नहीं है कि एआई तरीकों को विकसित करने के लिए शतरंज कार्यक्रम इतने महत्वपूर्ण साबित हुए।

किसी के स्वयं के मॉडल या "संपूर्ण आसपास की वास्तविकता" (कार्य के ढांचे के भीतर) के मॉडल के कामकाज का विश्लेषण, उसके राज्य पर नियंत्रण, राज्य की भविष्यवाणी करना प्रतिबिंब के कार्यान्वयन से ज्यादा कुछ नहीं है। परावर्तन एक निश्चित मेटा-स्तर है। प्रोलॉग जैसी उच्च-स्तरीय प्रोग्रामिंग भाषाओं के उपयोग से, जो आपको लक्ष्य बनाने और इन लक्ष्यों की प्राप्ति के बारे में तार्किक निष्कर्ष निकालने की अनुमति देती है, प्रतिबिंब को लागू करने का कार्य पहले से ही आंशिक रूप से हल किया जा सकता है। उनकी मदद से, आप एक निश्चित अधिरचना, एक निश्चित मेटा-स्तर का निर्माण कर सकते हैं जो आपको पिछले एक के व्यवहार का मूल्यांकन करने की अनुमति देता है। हालाँकि, जब "गहरे प्रतिबिंब" या "बहु-स्तरीय प्रतिबिंब" शब्द पर विचार किया जाता है, तो सिस्टम द्वारा मॉडल बनाने की समस्या उत्पन्न होती है। यहीं पर अमूर्त डेटा प्रकार बचाव के लिए आते हैं। वे आपको किसी भी सीमित जटिलता की डेटा संरचनाओं के साथ काम करने की अनुमति देते हैं। इस प्रकार, हम मान सकते हैं कि कृत्रिम बुद्धिमत्ता प्रणालियों में एक प्रतिबिंब मॉडल हो सकता है।

इस प्रकार, किसी बौद्धिक प्रणाली को उसके कार्यों का मूल्यांकन करने और "समझने" की क्षमता, यानी प्रतिबिंबित करने की क्षमता के बिना पूर्ण मानना ​​असंभव है। इसके अलावा, सिस्टम के व्यवहार के निर्माण के लिए प्रतिबिंब को मुख्य उपकरणों में से एक माना जाना चाहिए। गणित की भाषा में कहें तो किसी बौद्धिक प्रणाली के अस्तित्व के लिए चिंतन एक आवश्यक शर्त है।

1.3.4. ज्ञान प्रतिनिधित्व भाषाएँ

एक निश्चित अर्थ में, किसी भी कंप्यूटर प्रोग्राम में ज्ञान होता है। बबल सॉर्ट प्रोग्राम में प्रोग्रामर का ज्ञान होता है कि किसी सूची के तत्वों को कैसे ऑर्डर किया जाए। सूचियों को क्रमबद्ध करने की समस्या को हल करने वाले कंप्यूटर प्रोग्राम के सार को समझना बिल्कुल भी आसान नहीं है। इसमें समस्या को हल करने की विधि के बारे में प्रोग्रामर का ज्ञान शामिल है, लेकिन, इस ज्ञान के अलावा, इसमें अन्य भी शामिल हैं:

- प्रयुक्त प्रोग्रामिंग भाषा की भाषा संरचनाओं में हेरफेर कैसे करें;

- उच्च कार्यक्रम प्रदर्शन कैसे प्राप्त करें;

- डेटा प्रोसेसिंग की विशेष समस्याओं को हल करने के लिए उपयुक्त तरीकों का चयन कैसे करें, जो फिर भी अंतिम परिणाम प्राप्त करने में महत्वपूर्ण भूमिका निभाते हैं, और प्रक्रिया प्रबंधन को कैसे व्यवस्थित किया जाए।

ज्ञान प्रतिनिधित्व भाषाएँउच्च-स्तरीय भाषाएँ विशेष रूप से मानव ज्ञान के अंशों को स्पष्ट रूप से एन्कोड करने के लिए डिज़ाइन की गई हैं, जैसे कि प्रभाव के नियम और विशिष्ट वस्तुओं के गुणों का एक सेट, और भाषा का उच्च स्तर इस तथ्य में प्रकट होता है कि, जहाँ तक संभव हो, ज्ञान प्रतिनिधित्व तंत्र के तकनीकी विवरण उपयोगकर्ता से छिपे हुए हैं। अधिक पारंपरिक प्रोग्रामिंग भाषाओं के विपरीत, ज्ञान प्रतिनिधित्व भाषाएँ प्रोग्राम कोड की मात्रा के मामले में बेहद किफायती हैं। यह काफी हद तक इस तथ्य के कारण है कि भाषा दुभाषिया कई छोटी-छोटी जानकारियों का ध्यान रखता है।

ऐसी भाषाओं के उल्लेखनीय लाभों के बावजूद, हमें उनके उपयोग में कुछ समस्याओं के अस्तित्व के बारे में नहीं भूलना चाहिए।

सभी समझने योग्य "मानवीय" भाषा में डोमेन ज्ञान का वर्णन करने से लेकर कंप्यूटर द्वारा समझे जाने वाले किसी प्रकार की औपचारिकता के रूप में इसके प्रतिनिधित्व में परिवर्तन के लिए एक निश्चित कौशल की आवश्यकता होती है, क्योंकि यह वर्णन करना असंभव है (कम से कम आज) कि यांत्रिक रूप से इस तरह का प्रदर्शन कैसे किया जाए परिवर्तन. चूंकि तार्किक अनुमान क्षमताएं जो एक प्रोग्राम लागू कर सकता है, सीधे ज्ञान का प्रतिनिधित्व करने के लिए विधि की पसंद से संबंधित है, यह ज्ञान का प्रतिनिधित्व है, न कि इसका निष्कर्षण, जो ईएस डिजाइन के अभ्यास में बाधा है।