Вираз обчислювальний інтелект зазвичай відноситься до здатності комп'ютера засвоїти конкретну задачу за допомогою даних або експериментального спостереження. Зазвичай вважається синонімом м'яких обчислень, хоча немає загального визначення обчислювальної інтелекту.
Взагалі, обчислювальний інтелект — це сукупність природних обчислювальних методологій та підходів для вирішення складних реальних проблем, для яких математичне чи традиційне моделювання може бути марним з кількох причин: процеси можуть бути занадто складними для математичних міркувань, вони можуть містити деякі невизначеності під час процесу, або процес може бути просто стохастичним за своєю суттю. Багато проблем із реального життя не можуть бути переведені на двійкову мову (значення 0 і 1) комп'ютеру для їх обробки. Обчислювальний інтелект забезпечує рішення таких проблем.
Методи, що використовуються, близькі до людського способу міркування, тобто використовують неточні та неповні знання, та здатні виробляти керуючи дії адаптивно. Таким чином, обчислювальний інтелект використовує комбінацію п'яти основних додаткових методів: нечітку логіку, яка дає змогу комп'ютеру зрозуміти природну мову, штучні нейронні мережі, що дозволяє системі засвоювати експериментальні дані шляхом таких операцій, як біологічні, еволюційні обчислення, що базуються на процесі природного відбору, теорії навчання та ймовірнісних методів, що допомагає боротися з неточністю невизначеністю та неточністю.
За винятком цих основних принципів, в даний час популярні підходи включають біологічні алгоритми, такі як інтелект рою та штучна імунна система, які можна розглядати як частину еволюційних обчислень, обробки зображень, вилучення даних, обробки природних мов та штучного інтелекту (не плутати з обчислювальним інтелектом). Хоча і обчислювальний інтелект, і штучний інтелект прагнуть подібних цілей, існує чітке розмежування між ними.
Таким чином, обчислювальний інтелект - це спосіб діяти як людина, оскільки характеристика "інтелекту" зазвичай приписується людям. Останнім часом багато продуктів і предметів також претендують на "розумний характер", атрибут якого безпосередньо пов'язаний з міркуванням та прийняттям рішень.
Історія
Поняття обчислювального інтелекту вперше було використано IEEE Радою з нейронних мереж (Neural Networks Council) у 1990 році. Ця Рада була заснована у 80-х роках групою дослідників, зацікавлених у розвитку біологічних та штучних нейронних мереж. 21 листопада 2001 року IEEE Рада з нейронних мереж (Neural Networks Council) стала IEEE Товариством нейронних мереж (Neural Networks Society), через два роки перетворившись на IEEE Товариство обчислювального інтелекту (Computational Intelligence Society), включивши нові сфери інтересів, такі як нечіткі системи та еволюційні обчислення, що стосувалися обчислювального інтелекту у 2011 році.
Але перше чітке визначення обчислювальної інтелекту було введено Бездеком (Bezdek) у 1994 році: система називається обчислювально інтелектуальною, якщо вона обробляє дані низького рівня, такі як числові дані, має компонент розпізнавання шаблонів і не використовує знання в сенсі штучного інтелекту, а також, коли вона починає проявляти обчислювальну адаптацію, відмовостійкість та коефіцієнт помилок, що наближаються до продуктивності людини.
Бездек (Bezdek) і Маркс (Marks) (1993) чітко диференціювали обчислювальний інтелект від штучного інтелекту, стверджуючи, що перший заснований на м'яких методах обчислень, тоді як штучний інтелект заснований на жорстких обчислюваннях.
Різниця між обчислювальним та штучним інтелектом
Хоча штучний інтелект та обчислювальний інтелект прагнуть подібної довгострокової мети: досягти загального інтелекту, який є інтелектом машини, яка могла б виконати будь-яке інтелектуальне завдання, яке може людина; між ними чітка різниця. За словами Бездека (Bezdek) (1994), обчислювальний інтелект - це підмножина штучного інтелекту.
Існує два типи машинного інтелекту: штучний, заснований на жорстких обчислювальних техніках, та обчислювальний на основі методів м'яких обчислень, що дають змогу адаптуватися до багатьох ситуацій.
Жорсткі обчислювальні методи працюють за бінарною логікою, що базується лише на двох значеннях (булеві істинні чи помилкові 0 або 1), на яких базуються сучасні комп'ютери. Одна з проблем цієї логіки полягає в тому, що людську природну мову не завжди можна легко перекласти в абсолютні терміни 0 і 1. М'які обчислювальні методи, що засновані на нечіткій логіці, можуть бути корисними. Ця логіка є одним з головних аспектів, набагато ближчих до того, як працює людський мозок шляхом агрегування даних до часткових істин (чіткі / нечіткі системи).
В рамках одних і тих самих принципів нечіткої та бінарної логіки існують чіткі та нечіткі системи. Логічна чіткість є частиною принципів штучного інтелекту і складається з того, включений елемент у множину, чи ні, тоді як нечіткі системи дозволяють елементам бути у множині частково. Дотримуючись цієї логіки, кожному елементу можна присвоїти ступінь належності (від 0 до 1), а не виключно лише одне з цих двох значень.
П'ять основних принципів роботи обчислювального інтелекту та їх застосування
Основні додатки обчислювального інтелекту включають інформатику, техніку, аналіз даних та біомедицину.
Нечітка логіка
Нечітка логіка створена для складних процесів реального життя і полягає у вимірюваннях та моделюванні процесів. Вона може впоратися з незавершеністю і, головне, невідомістю даних у моделі процесу, на противагу штучному інтелекту, який вимагає точних знань.
Ця методика, як правило, застосовується до широкого спектра галузей, таких як: контроль, обробка зображень та прийняття рішень. Але вона також добре впроваджується в галузі побутової техніки: пральні машини, мікрохвильові печі тощо. Ми можемо зіткнутися з цим при використанні відеокамери, де нечітка логіка допомагає стабілізувати зображення при триманні камери нестабільно. Інші сфери: медична діагностика, торгівля валютою та вибір стратегії бізнесу й багато інших застосувань цього принципу.
Нечітка логіка в основному корисна для наближених міркувань і не має здібностей до навчання.
Нейронні мережі
Це саме те, чому експерти працюють над розвитком штучних нейронних мереж на основі біологічних нейронних мереж, які можна визначити трьома основними компонентами: клітиною, яка обробляє інформацію, аксоном, що є пристроєм, якій дозволяє проводити сигнал, і синапсом, який управляє сигналами. Тому штучні нейронні мережі складаються з розподілених систем обробки інформації, що дозволяють здійснювати процес і вивчати досвід.
Що стосується застосування, нейронні мережі можна класифікувати на п'ять груп: аналіз даних та класифікація, асоціативна пам'ять, кластеризація шаблонів та управління. Як правило, цей метод має на меті аналіз та класифікацію медичних даних, нелінійні системи та управління ними. Крім того, методи нейронних мереж та нечітких систем при об'єднанні додають переваг створюваним системам.
Еволюційні обчислення
На основі процесу природного відбору, вперше запровадженого Чарльзом Робертом Дарвіном (Charles Robert Darwin), еволюційне обчислення полягає у використанні сили природної еволюції для створення нових методів штучної еволюції. Вона включає також інші сфери, такі як стратегія еволюції та еволюційні алгоритми. Основні застосування цього принципу охоплюють такі сфери, як оптимізація та багатоцільова оптимізація, для рішення яких традиційних математичних методів недостатньо.
Теорія навчання
Теорія навчання є одним з основних підходів обчислювального інтелекту у пошуках способів «міркування», близьких до людського, У психології навчання - це процес об'єднання когнітивних, емоційних та екологічних ефектів та досвіду для набуття, розширення чи зміни знань, умінь, цінностей та світогляду (Ormrod, 1995; Illeris, 2004). Вивчення теорій допомагає зрозуміти, як обробляються ці ефекти й досвід, та допомагає робити прогнози на основі попереднього досвіду.
Ймовірнісні методи
Будучи одним з головних елементів нечіткої логіки, ймовірнісні методи, вперше введені Полом Ердосом (Paul Erdos) та Джоелем Спенсером (Joel Spencer) (1974), мають на меті оцінити результати обчислювальної інтелектуальної системи, здебільшого визначені випадковістю. Тому ймовірнісні методи виявляють можливі рішення проблеми на основі попередніх знань.
Список літератури
- Siddique, Nazmul; Adeli, Hojjat (2013). Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing. John Wiley & Sons. ISBN 978-1-118-53481-6.
- Rutkowski, Leszek (2008). Computational Intelligence: Methods and Techniques. Springer. ISBN 978-3-540-76288-1.
- "Fuzzy Logic". WhatIs.com. Margaret Rouse. July 2006.
- Beni, G., Wang, J. Swarm Intelligence in Cellular Robotic Systems, Proceed. NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, June 26–30 (1989)
- "IEEE Computational Intelligence Society History". Engineering and Technology history Wiki. July 22, 2014. Retrieved October 30, 2015.
- "Artificial Intelligence, Computational Intelligence, SoftComputing, Natural Computation - what's the difference? - ANDATA". www.andata.at. Retrieved November 5, 2015.
- "Fuzzy Sets and Pattern Recognition". www.cs.princeton.edu. Retrieved November 5,2015.
- R. Pfeifer. 2013. Chapter 5: FUZZY Logic. Lecture notes on "Real-world computing". Zurich. University of Zurich.
- Stergiou, Christos; Siganos, Dimitrios. "Neural Networks". SURPRISE 96 Journal. Imperial College London. Archived from the original on December 16, 2009. Retrieved March 11, 2015.
- Somers, Mark John; Casal, Jose C. (July 2009). "Using Artificial Neural Networks to Model Nonlinearity" (PDF). Organizational Research Methods. 12 (3). doi:10.1177/1094428107309326. Retrieved October 31, 2015.
- De Jong, K. (2006). Evolutionary Computation:A Unified Approach. MIT Press. ISBN 9780262041942.
- Worrell, James. "Computational Learning Theory: 2014-2015". University of Oxford. Presentation page of CLT course. University of Oxford. Retrieved February 11, 2015.
- Palit, Ajoy K.; Popovic, Dobrivoje (2006). Computational Intelligence in Time Series Forecasting : Theory and Engineering Applications. Springer Science & Business Media. p. 4. ISBN 9781846281846.
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Viraz obchislyuvalnij intelekt zazvichaj vidnositsya do zdatnosti komp yutera zasvoyiti konkretnu zadachu za dopomogoyu danih abo eksperimentalnogo sposterezhennya Zazvichaj vvazhayetsya sinonimom m yakih obchislen hocha nemaye zagalnogo viznachennya obchislyuvalnoyi intelektu Vzagali obchislyuvalnij intelekt ce sukupnist prirodnih obchislyuvalnih metodologij ta pidhodiv dlya virishennya skladnih realnih problem dlya yakih matematichne chi tradicijne modelyuvannya mozhe buti marnim z kilkoh prichin procesi mozhut buti zanadto skladnimi dlya matematichnih mirkuvan voni mozhut mistiti deyaki neviznachenosti pid chas procesu abo proces mozhe buti prosto stohastichnim za svoyeyu suttyu Bagato problem iz realnogo zhittya ne mozhut buti perevedeni na dvijkovu movu znachennya 0 i 1 komp yuteru dlya yih obrobki Obchislyuvalnij intelekt zabezpechuye rishennya takih problem Metodi sho vikoristovuyutsya blizki do lyudskogo sposobu mirkuvannya tobto vikoristovuyut netochni ta nepovni znannya ta zdatni viroblyati keruyuchi diyi adaptivno Takim chinom obchislyuvalnij intelekt vikoristovuye kombinaciyu p yati osnovnih dodatkovih metodiv nechitku logiku yaka daye zmogu komp yuteru zrozumiti prirodnu movu shtuchni nejronni merezhi sho dozvolyaye sistemi zasvoyuvati eksperimentalni dani shlyahom takih operacij yak biologichni evolyucijni obchislennya sho bazuyutsya na procesi prirodnogo vidboru teoriyi navchannya ta jmovirnisnih metodiv sho dopomagaye borotisya z netochnistyu neviznachenistyu ta netochnistyu Za vinyatkom cih osnovnih principiv v danij chas populyarni pidhodi vklyuchayut biologichni algoritmi taki yak intelekt royu ta shtuchna imunna sistema yaki mozhna rozglyadati yak chastinu evolyucijnih obchislen obrobki zobrazhen viluchennya danih obrobki prirodnih mov ta shtuchnogo intelektu ne plutati z obchislyuvalnim intelektom Hocha i obchislyuvalnij intelekt i shtuchnij intelekt pragnut podibnih cilej isnuye chitke rozmezhuvannya mizh nimi Takim chinom obchislyuvalnij intelekt ce sposib diyati yak lyudina oskilki harakteristika intelektu zazvichaj pripisuyetsya lyudyam Ostannim chasom bagato produktiv i predmetiv takozh pretenduyut na rozumnij harakter atribut yakogo bezposeredno pov yazanij z mirkuvannyam ta prijnyattyam rishen IstoriyaPonyattya obchislyuvalnogo intelektu vpershe bulo vikoristano IEEE Radoyu z nejronnih merezh Neural Networks Council u 1990 roci Cya Rada bula zasnovana u 80 h rokah grupoyu doslidnikiv zacikavlenih u rozvitku biologichnih ta shtuchnih nejronnih merezh 21 listopada 2001 roku IEEE Rada z nejronnih merezh Neural Networks Council stala IEEE Tovaristvom nejronnih merezh Neural Networks Society cherez dva roki peretvorivshis na IEEE Tovaristvo obchislyuvalnogo intelektu Computational Intelligence Society vklyuchivshi novi sferi interesiv taki yak nechitki sistemi ta evolyucijni obchislennya sho stosuvalisya obchislyuvalnogo intelektu u 2011 roci Ale pershe chitke viznachennya obchislyuvalnoyi intelektu bulo vvedeno Bezdekom Bezdek u 1994 roci sistema nazivayetsya obchislyuvalno intelektualnoyu yaksho vona obroblyaye dani nizkogo rivnya taki yak chislovi dani maye komponent rozpiznavannya shabloniv i ne vikoristovuye znannya v sensi shtuchnogo intelektu a takozh koli vona pochinaye proyavlyati obchislyuvalnu adaptaciyu vidmovostijkist ta koeficiyent pomilok sho nablizhayutsya do produktivnosti lyudini Bezdek Bezdek i Marks Marks 1993 chitko diferenciyuvali obchislyuvalnij intelekt vid shtuchnogo intelektu stverdzhuyuchi sho pershij zasnovanij na m yakih metodah obchislen todi yak shtuchnij intelekt zasnovanij na zhorstkih obchislyuvannyah Riznicya mizh obchislyuvalnim ta shtuchnim intelektomHocha shtuchnij intelekt ta obchislyuvalnij intelekt pragnut podibnoyi dovgostrokovoyi meti dosyagti zagalnogo intelektu yakij ye intelektom mashini yaka mogla b vikonati bud yake intelektualne zavdannya yake mozhe lyudina mizh nimi chitka riznicya Za slovami Bezdeka Bezdek 1994 obchislyuvalnij intelekt ce pidmnozhina shtuchnogo intelektu Isnuye dva tipi mashinnogo intelektu shtuchnij zasnovanij na zhorstkih obchislyuvalnih tehnikah ta obchislyuvalnij na osnovi metodiv m yakih obchislen sho dayut zmogu adaptuvatisya do bagatoh situacij Zhorstki obchislyuvalni metodi pracyuyut za binarnoyu logikoyu sho bazuyetsya lishe na dvoh znachennyah bulevi istinni chi pomilkovi 0 abo 1 na yakih bazuyutsya suchasni komp yuteri Odna z problem ciyeyi logiki polyagaye v tomu sho lyudsku prirodnu movu ne zavzhdi mozhna legko pereklasti v absolyutni termini 0 i 1 M yaki obchislyuvalni metodi sho zasnovani na nechitkij logici mozhut buti korisnimi Cya logika ye odnim z golovnih aspektiv nabagato blizhchih do togo yak pracyuye lyudskij mozok shlyahom agreguvannya danih do chastkovih istin chitki nechitki sistemi V ramkah odnih i tih samih principiv nechitkoyi ta binarnoyi logiki isnuyut chitki ta nechitki sistemi Logichna chitkist ye chastinoyu principiv shtuchnogo intelektu i skladayetsya z togo vklyuchenij element u mnozhinu chi ni todi yak nechitki sistemi dozvolyayut elementam buti u mnozhini chastkovo Dotrimuyuchis ciyeyi logiki kozhnomu elementu mozhna prisvoyiti stupin nalezhnosti vid 0 do 1 a ne viklyuchno lishe odne z cih dvoh znachen P yat osnovnih principiv roboti obchislyuvalnogo intelektu ta yih zastosuvannyaOsnovni dodatki obchislyuvalnogo intelektu vklyuchayut informatiku tehniku analiz danih ta biomedicinu Nechitka logika Nechitka logika stvorena dlya skladnih procesiv realnogo zhittya i polyagaye u vimiryuvannyah ta modelyuvanni procesiv Vona mozhe vporatisya z nezavershenistyu i golovne nevidomistyu danih u modeli procesu na protivagu shtuchnomu intelektu yakij vimagaye tochnih znan Cya metodika yak pravilo zastosovuyetsya do shirokogo spektra galuzej takih yak kontrol obrobka zobrazhen ta prijnyattya rishen Ale vona takozh dobre vprovadzhuyetsya v galuzi pobutovoyi tehniki pralni mashini mikrohvilovi pechi tosho Mi mozhemo zitknutisya z cim pri vikoristanni videokameri de nechitka logika dopomagaye stabilizuvati zobrazhennya pri trimanni kameri nestabilno Inshi sferi medichna diagnostika torgivlya valyutoyu ta vibir strategiyi biznesu j bagato inshih zastosuvan cogo principu Nechitka logika v osnovnomu korisna dlya nablizhenih mirkuvan i ne maye zdibnostej do navchannya Nejronni merezhi Ce same te chomu eksperti pracyuyut nad rozvitkom shtuchnih nejronnih merezh na osnovi biologichnih nejronnih merezh yaki mozhna viznachiti troma osnovnimi komponentami klitinoyu yaka obroblyaye informaciyu aksonom sho ye pristroyem yakij dozvolyaye provoditi signal i sinapsom yakij upravlyaye signalami Tomu shtuchni nejronni merezhi skladayutsya z rozpodilenih sistem obrobki informaciyi sho dozvolyayut zdijsnyuvati proces i vivchati dosvid Sho stosuyetsya zastosuvannya nejronni merezhi mozhna klasifikuvati na p yat grup analiz danih ta klasifikaciya asociativna pam yat klasterizaciya shabloniv ta upravlinnya Yak pravilo cej metod maye na meti analiz ta klasifikaciyu medichnih danih nelinijni sistemi ta upravlinnya nimi Krim togo metodi nejronnih merezh ta nechitkih sistem pri ob yednanni dodayut perevag stvoryuvanim sistemam Evolyucijni obchislennya Na osnovi procesu prirodnogo vidboru vpershe zaprovadzhenogo Charlzom Robertom Darvinom Charles Robert Darwin evolyucijne obchislennya polyagaye u vikoristanni sili prirodnoyi evolyuciyi dlya stvorennya novih metodiv shtuchnoyi evolyuciyi Vona vklyuchaye takozh inshi sferi taki yak strategiya evolyuciyi ta evolyucijni algoritmi Osnovni zastosuvannya cogo principu ohoplyuyut taki sferi yak optimizaciya ta bagatocilova optimizaciya dlya rishennya yakih tradicijnih matematichnih metodiv nedostatno Teoriya navchannya Teoriya navchannya ye odnim z osnovnih pidhodiv obchislyuvalnogo intelektu u poshukah sposobiv mirkuvannya blizkih do lyudskogo U psihologiyi navchannya ce proces ob yednannya kognitivnih emocijnih ta ekologichnih efektiv ta dosvidu dlya nabuttya rozshirennya chi zmini znan umin cinnostej ta svitoglyadu Ormrod 1995 Illeris 2004 Vivchennya teorij dopomagaye zrozumiti yak obroblyayutsya ci efekti j dosvid ta dopomagaye robiti prognozi na osnovi poperednogo dosvidu Jmovirnisni metodi Buduchi odnim z golovnih elementiv nechitkoyi logiki jmovirnisni metodi vpershe vvedeni Polom Erdosom Paul Erdos ta Dzhoelem Spenserom Joel Spencer 1974 mayut na meti ociniti rezultati obchislyuvalnoyi intelektualnoyi sistemi zdebilshogo viznacheni vipadkovistyu Tomu jmovirnisni metodi viyavlyayut mozhlivi rishennya problemi na osnovi poperednih znan Spisok literaturiSiddique Nazmul Adeli Hojjat 2013 Computational Intelligence Synergies of Fuzzy Logic Neural Networks and Evolutionary Computing John Wiley amp Sons ISBN 978 1 118 53481 6 Rutkowski Leszek 2008 Computational Intelligence Methods and Techniques Springer ISBN 978 3 540 76288 1 Fuzzy Logic WhatIs com Margaret Rouse July 2006 Beni G Wang J Swarm Intelligence in Cellular Robotic Systems Proceed NATO Advanced Workshop on Robots and Biological Systems Tuscany Italy June 26 30 1989 IEEE Computational Intelligence Society History Engineering and Technology history Wiki July 22 2014 Retrieved October 30 2015 Artificial Intelligence Computational Intelligence SoftComputing Natural Computation what s the difference ANDATA www andata at Retrieved November 5 2015 Fuzzy Sets and Pattern Recognition www cs princeton edu Retrieved November 5 2015 R Pfeifer 2013 Chapter 5 FUZZY Logic Lecture notes on Real world computing Zurich University of Zurich Stergiou Christos Siganos Dimitrios Neural Networks SURPRISE 96 Journal Imperial College London Archived from the original on December 16 2009 Retrieved March 11 2015 Somers Mark John Casal Jose C July 2009 Using Artificial Neural Networks to Model Nonlinearity PDF Organizational Research Methods 12 3 doi 10 1177 1094428107309326 Retrieved October 31 2015 De Jong K 2006 Evolutionary Computation A Unified Approach MIT Press ISBN 9780262041942 Worrell James Computational Learning Theory 2014 2015 University of Oxford Presentation page of CLT course University of Oxford Retrieved February 11 2015 Palit Ajoy K Popovic Dobrivoje 2006 Computational Intelligence in Time Series Forecasting Theory and Engineering Applications Springer Science amp Business Media p 4 ISBN 9781846281846