5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем

Искусственный интеллект в транспортной сфере

В сфере транспорта в деятельность ФОИВ будут внедрены ИИ-решения, направленные на формирование единой цифровой транспортно-логистической среды (в том числе в части обеспечения функционирования опорной сети транспортно-логистических центров); внедрение управления объектами транспортной инфраструктуры информационными системами, использующими биометрические данные с применением элементов искусственного интеллекта; оснащение беспилотных транспортных средств системами, обеспечивающими их использование в качестве подвижных постов транспортной безопасности (контроллеров соблюдения правил движения) на транспортной инфраструктуре общего пользования с применением элементов искусственного интеллекта.

Планируется, что будут обеспечены сбор, обработка, хранение и предоставление доступа к отраслевым наборам данных, включающих в себя маршруты, виды грузов, транспортных средств и перевозчиков. Также будут собираться плановые и фактические данные по времени транспортировки и операций, а также об условиях движения транспортных средств на инфраструктуре общего пользования, объемах и скорости грузопотоков, простоях и порожнем транспорте. Также упоминаются такие элементы как расписание и режимы работы разных видов транспорта, маршруты и загруженности по времени, дням, месяцам, данные фото- и видеофиксации, весогабаритные параметры, температурный режим и транспортно-логистические операции и процессы.

В сфере транспорта в деятельность ФОИВ будут внедрены ИИ-решения, направленные на формирование единой цифровой транспортно-логистической среды. Фото: ru.depositphotos.com

Также государство рассчитывает обеспечить поддержку внедрения ИИ в отраслевых компаниях, что затронет беспилотные личные, грузовые автомобили, суда, локомотивы, такси. Ожидается ввод в строй систем предиктивного мониторинга состояния транспорта и предиктивных ремонтов, контроля усталости и качества езды водителей и пилотов. ИИ найдут применение при создании городской интеллектуальной транспортной системы, умных портов, аэропортов и вокзалов. Будет оптимизирована работа по управлению потоками пассажиров и обеспечению безопасности с помощью машинного зрения и алгоритмов ИИ. Также ожидаются оптимизация маршрута и режима полета, доставка грузов дронами на «последней миле», беспилотная логистика на закрытых территориях (например, складах), контроль целостности упаковки.

Как дать сотрудникам возможность работать над интересными задачами, двигаясь в цифровую трансформацию
Бизнес

Ожидается, что к 2024 г. с применением элементов ИИ будет обеспечено функционирование 5 тыс. беспилотных транспортных средств, используемых в качестве подвижных постов транспортной безопасности (контролеров соблюдения правил движения) на транспортной инфраструктуре общего пользования. Также к этому сроку будут применяться не менее 15 информационных систем с искусственным интеллектом, обрабатывающих большие данные в сфере транспорта. Количество объектов транспортного комплекса, управляемых информационными системами, использующими биометрические данные и применяющих элементы ИИ, составит 100.

События, конференции и сообщества

• The AI Conference — Ежегодное мероприятие, на котором встречаются ведущие исследователи ИИ.
• Applied Artificial Intelligence Conference — Венчурная компания Bootstrap Labs.
• Events.ai — Центр для проведения мероприятий и конференций AI/ML/DL.
• Nucl.ai — Игровие ИИ конференция и курсы.
• oh.hai.ai — Конференция по ИИ.

• AI With The Best — От переводчика: Ещё одна конференция про ИИ.

• Amsterdam — Сообщество и события.
• Bangalore — Сообщество и события.
• Berlin — Сообщество и события.
• Bucharest — Сообщество и события.
• Budapest — Сообщество и события.
• City.ai — Сообщество и события.
• Hamburg — Сообщество и события.
• Hongkong — Сообщество и события.
• London — Сообщество и события.
• Madrid — Сообщество и события.
• Milan — Сообщество и события.
• New York — Сообщество и события.
• Krakow — Сообщество и события.
• Oslo — Сообщество и события.
• Tallinn — Сообщество и события.
• Tirana — Сообщество и события.
• Seattle — Сообщество и события.
• Singapore — Сообщество и события.
• Sofia — Сообщество и события.
• Stockholm — Сообщество и события.
• Valletta — Сообщество и события.

Программа с ИИ и без ИИ

Программы с ИИ и без отличаются следующими свойствами:

Раскрыть потенциал

По прогнозам PwC, благодаря искусственному интеллекту мировая экономика может вырасти к 2030 году дополнительно на $15,7 трлн. Мировой рынок технологий ИИ будет прибавлять примерно 31% ежегодно, предсказывают аналитики Frost & Sullivan. В компании уверены, что уже в 2022 году он достигнет $52,5 млрд. Это вчетверо больше того объема, который аналитики фиксировали в 2017 году.

Среди основных векторов использования искусственного интеллекта компаниями — управление рисками и обеспечение кибербезопасности, автоматизация рутины, помощь в принятии оптимальных решений. Кроме того, бизнес успешно применяет ИИ, чтобы эффективнее собирать информацию для прогнозов и автоматизировать клиентские операции.

Как ИИ применяется в разных секторах экономики

• Здравоохранение: анализ медицинских данных, повышение точности диагностики различных заболеваний;
• кибербезопасность: использование алгоритмов глубокого обучения, позволяющих выявлять аномалии в поведении сети;
• сельское хозяйство: управление агроботами, аккуратный сбор урожая;
• транспорт: автоматические системы управления грузовыми железнодорожными составами, исключающие человеческий фактор, беспилотные автомобили;
• e-commerce: «умные» рекомендательные системы для покупателей;
• ретейл: планирование цепочек поставок, наблюдение за поведением потребителей, автоматизация работы складов;
• маркетинг: автоматизация таргетированной рекламы, разработка персональных предложений для потребителя;
• финансы: алгоритмическая торговля, обработка банковских данных, формирование кредитных рейтингов;
• спорт: сбор и анализ действий игроков, виртуальные ассистенты для тренеров и судей.

Ожидается, что к 2025 году человечество будет хранить около 175 зеттабайт (175 млрд Гб) данных. Уже сегодня большую их часть генерируют не люди, а машины — различные информационные системы, датчики, интернет вещей. Очевидно, что обработать всю эту информацию и извлечь из нее пользу для бизнеса без искусственного интеллекта и машинного обучения просто невозможно. Тем более, что ее количество продолжает расти.

По подсчетам IDC, объем данных, созданных в течение следующих трех лет, превысит количество информации, которое появилось за последние три десятилетия. А за ближайшую пятилетку мир сгенерирует втрое больше данных, чем за предыдущую. И это будет подталкивать к активному использованию ИИ для сбора и обработки информации.

По мнению гендиректора SberCloud Евгения Колбина, именно «облака» станут главным драйвером развития ИИ в ближайшие годы, так как только с помощью облачных технологий можно преодолеть главные барьеры развития ИИ — недостаточную доступность высокопроизводительных вычислительных ресурсов для работы с ИИ и острую нехватку специалистов — дата-сайентистов, дата-аналитиков и дата-инженеров. Сейчас почти во всех отраслях наблюдается острая нехватка высококвалифицированных специалистов для работы с данными. Платформа QuantHub, которая специализируется на подборе специалистов в сфере Data Science, подсчитала, что на три объявления о вакансии приходится всего один потенциальный соискатель. По словам Колбина, именно развитие облачных ML-сервисов и AIaaS (Artificial Intelligence as a Service) позволит искусственному интеллекту в полной мере раскрыть свой бизнес-потенциал.

Что нужно понимать о нейросетях

Нейросети в современном виде — это машины по обработке чисел. Нейросеть не понимает, что смотрит на картинку или водит машинку, — она лишь видит числа на входе и выдаёт числа на выходе. Она даже не знает, что у её чисел на выходе для нас есть какое-то значение.

Например, в этом видео нейросеть получает семь чисел на входе (это расстояния до препятствий и направление движения) и выдает два числа на выходе — поворот руля и газ-тормоз. И уже симулятор гоночной игры превращает эти числа в движение машинки. Нейронка просто обрабатывает числа:

Нейросеть всё еще не умеет импровизировать. Она может действовать в ситуации некоторой непредсказуемости, но генерировать оригинальные решения — нет. 

Нейросеть можно запустить на любом компьютере, особое железо не нужно. Это просто алгоритм и данные. Их можно скопировать, заархивировать и выложить в интернет.

При этом есть и специальное железо — нейронные процессоры или, по-другому, ИИ-ускорители. Это те же микропроцессоры, но соединённые таким образом, чтобы быстрее обсчитывать именно нейронки. Но они нужны только для скорости, так-то принципиально нейронку можно рассчитать и на обычном процессоре.

На нынешнем витке развития нейросети способны лишь воспроизводить то, чему их научили. Свободное творчество с чистого листа пока не изобрели.

Где можно получить образование по искусственному интеллекту?

GeekUniversity совместно с Mail.ru Group открыли первый в России факультет Искусственного интеллекта.

Для учебы достаточно школьных знаний. У вас будут все необходимые ресурсы и инструменты + целая программа по высшей математике. Не абстрактная, как в обычных вузах, а построенная на практике. Обучение познакомит вас с технологиями машинного обучения и нейронными сетями, научит решать настоящие бизнес-задачи.

После учебы вы сможете работать по специальностям:

• ,
• Машинное обучение,
• Нейронные сети,
• Анализ больших данных.

Особенности изучения искусственного интеллекта в GeekUniversity

Через полтора года практического обучения вы освоите современные технологии Data Science и приобретете компетенции, необходимые для работы в крупной IT-компании. Получите диплом о профессиональной переподготовке и сертификат.

Обучение проводится на основании государственной лицензии № 040485. По результатам успешного завершения обучения выдаем выпускникам диплом о профессиональной переподготовке и электронный сертификат на портале GeekBrains и Mail.ru Group.

Проектно-ориентированное обучение

Обучение происходит на практике, программы разрабатываются совместно со специалистами из компаний-лидеров рынка. Вы решите четыре проектные задачи по работе с данными и примените полученные навыки на практике. Полтора года обучения в GeekUniversity = полтора года реального опыта работы с большими данными для вашего резюме.

Наставник

В течение всего обучения у вас будет личный помощник-куратор. С ним вы сможете быстро разобраться со всеми проблемами, на которые в ином случае ушли бы недели. Работа с наставником удваивает скорость и качество обучения.

Основательная математическая подготовка

Профессионализм в Data Science — это на 50% умение строить математические модели и еще на 50% — работать с данными. GeekUniversity прокачает ваши знания в матанализе, которые обязательно проверят на собеседовании в любой серьезной компании.

GeekUniversity дает полтора года опыта работы для вашего резюме

В результате для вас откроется в 5 раз больше вакансий:

Для тех у кого нет опыта в программировании, предлагается начать с подготовительных курсов. Они позволят получить базовые знания для комфортного обучения по основной программе.

Самые последние новости криптовалютного рынка и майнинга:

The following two tabs change content below.

Mining-Cryptocurrency.ru

Материал подготовлен редакцией сайта «Майнинг Криптовалюты», в составе: Главный редактор — Антон Сизов, Журналисты — Игорь Лосев, Виталий Воронов, Дмитрий Марков, Елена Карпина. Мы предоставляем самую актуальную информацию о рынке криптовалют, майнинге и технологии блокчейн.
Отказ от ответственности: все материалы на сайте Mining-Cryptocurrency.ru имеют исключительно информативные цели и не являются торговой рекомендацией или публичной офертой к покупке каких-либо криптовалют или осуществлению любых иных инвестиций и финансовых операций.

Новости Mining-Cryptocurrency.ru

• Что будет с ценой биткоина в ближайшие недели? Прогнозы экспертов на октябрь — 28.09.2021
• Как устроены NFT-игры с возможностью заработка по модели Play-to-Earn? — 28.09.2021
• Россия входит в ТОП-3 стран по количеству пользователей криптовалют — 28.09.2021
• Как действовать на медвежьем крипторынке, что бы не потерять свои средства? — 28.09.2021

Тест Тьюринга

Тест Тьюринга — некая проверка, которая была предложена математиком и криптографом Аланом Тьюрингом. Он заключается в оценке поведения машины — если сторонний наблюдатель не сможет отличить в диалоге, где человек, а где машина — тест считается пройденным. И в 2014 году издание The Independent опубликовало новость о том, что компьютерной программе удалось убедить наблюдателя в том, что она — 13-летний мальчик. Согласно правилам теста, машина должна убедить более 30% собеседников посредством 5-минутных текстовых сообщений. И программе Eugene Goostman удалось убедить 33% проверяющих. Означает ли это, что компьютер сможет заменить человека?

Поскольку человеческий мозг еще не изучен до конца, то и все его свойства пока не представляется возможным сымитировать при помощи AI. Для искусственного интеллекта характерны память и мышление, но только в виде алгоритмов, поэтому нельзя сравнивать обширное понятие человеческого интеллекта с набором программ. Однако в эпоху прорывных технологий возможен скачок, который приблизит ИИ к человеческому интеллекту. Пока преимущество на нашей стороне, мы можем развивать собственный мозг благодаря его нейропластичности. Постоянные тренировки когнитивных функций, обретение новых навыков и способов мышления — ключ к нашей продуктивности и плодотворному взаимодействию с компьютерными программами.

Чем нейросети отличаются от алгоритмов

В алгоритмах разработчики сразу прописывают правильную последовательность действий, которые дают какой-то предсказуемый результат. Например, разработчик пишет программу для расчета площади квартиры по чертежу, и там пошагово описаны все действия: умножь, сложи, вычти и т. д. Если посмотреть на этот алгоритм, будет понятно его устройство, в него можно внести изменения. 

Нейросетям вместо алгоритмов дают много заранее правильно решенных задач. Например, десять тысяч планов квартир с уже прописанными площадями. И нейросеть начинает угадывать, какой результат от нее ожидают. Отдельный алгоритм говорит ей, правильно она угадала или нет, и со временем она учится угадывать всё более правильно. 

По ходу обучения у нейросети формируются связи, которые позволяют ей угадывать полезный результат. Какие это связи, никто не понимает — мы можем их пронаблюдать, но не всегда можем понять принцип, по которым они формируются. 

Короче: алгоритм делает то, что ему сказано, и дает четкий предсказуемый результат. Нейросеть угадывает, что мы от нее хотим, по непонятному нам принципу. При этом, если сеть достаточно хорошо обучена, ее угадывания могут быть достаточно точными. 

Искусственный интеллект в бизнесе: примеры

Пекарни

Предприятия, которые работают с продуктами питания, должны следить за их сроком годности и своевременно проводить списание. Например, в булочных и пекарнях срок реализации – всего один день, до 30% хлебобулочной продукции ежедневно списывают. 

Задача предприятия:  сократить убытки, но не ассортимент, так как покупатели хотят иметь широкий выбор.

Решение: использование искусственного интеллекта позволило спрогнозировать спрос на ближайшие 3-4 дня, причем точность предсказания составила 90%. Все, что потребовалось –  проанализировать данные из 1С за последние два года и обучить алгоритм. Благодаря прогнозу, сети удалось оптимизировать работу цеха, снизив объем списываемой выпечки до 15% и не потеряв при этом в ассортименте. Задача была решена, а положительным «побочным эффектом» стало сокращение расхода сырья и увеличение маржи.

Супермаркеты

Задача: в магазинах сети была введена система лояльности (карты постоянного клиента) и действовали специальные скидки в «счастливые часы», но эффективность этих акций никак не измерялась, а прибыль увеличилась незначительно.

Решение: самообучающаяся программа проанализировала историю покупок клиентов с картой лояльности и, использовав данные за несколько лет, подобрала для каждого из них оптимальную систему поощрений. Если покупатель не интересовался акциями и скидками, искусственный интеллект высылал ему другие оповещения, например, описание ассортимента или даты поступления в продажу любимых товаров. Покупателей, которые интересовались акцией «счастливые часы», компьютер информировал о выгодных предложениях и о том, когда начнется следующая акция. Также в магазине использовали такую функцию программы, как отправка персонализированных смс. Результат: своевременная информация повысила лояльность покупателей, повторное обращение клиентов увеличилось на 80%, выросла и прибыль, и маржа. Задача была полностью решена.

Четвертая революция

Как бы мы ни относились к искусственному интеллекту, придется принять тот факт, что он уже существует. Отказаться от него — значит сделать шаг назад в развитии. Ведь ИИ — это важная часть нашего прогресса. Многие ученые связывают с искусственными нейросетями начало четвертой промышленной революции и заявляют о том, что грядет новая эпоха — когда рядом с нами появится рукотворный разум, всегда готовый прийти на помощь. 

Все новое пугает и вызывает недоверие — это нормальная человеческая реакция, и многие люди с опаской относятся к ИИ. Про ужасы, которые принесет нам искусственный разум, не говорил разве что ленивый фантаст. Но подобное в свое время сочиняли о каждом технологическом новшестве. Люди боялись паровозов, потому что они «распугают коров, отравят птиц дымом, а при скорости свыше 15 миль в час пассажиров разорвет на части». Вероятно, потомки тоже будут посмеиваться над нашими страхами, о которых узнают из фильмов и книг XX и XXI веков.Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист.

Проблемы искусственного интеллекта

Нет, в этой книге нет теорий заговоров или историй, как в будущем терминаторы уничтожат человечество. Автор поднимает гораздо более насущные проблемы, связанные с правами и свободами граждан, которые возникают уже сейчас. Сюда относится и чёрный рынок персональных данных (вспомните, когда вам в последний раз звонили банковские мошенники), и тотальная слежка, и монополизм социальных сетей, и гаджетомания на уровне самых молодых поколений. Не говоря о том, что всё это вместе и по отдельности используют уже сейчас при государственных переворотах.

Уже во введении автор описывает, как продвигается международная гонка в сфере искусственного интеллекта. Я, например, не знал, что в 2017 году были утверждены Азиломарские принципы ИИ, которые договорились соблюдать крупнейшие компании и эксперты ИИ всего мира, но сейчас их все нарушают. Очень советую главы «Естественный интеллект» и «Что называют искусственным интеллектом»: там автор как раз описывает, что такое ИИ на самом деле — поднимает ту самую проблему, о которой я писал в самом начале этой статьи. Очень понятным языком описана разница между сильным ИИ (искусственным разумом), которого пока не существует и слабым (специализированным) ИИ, который уже внедряется. Описываются основные направления применения ИИ, история побед ИИ над человеком, а также сценарии угроз человечеству при создании сильного ИИ.

Что такое нейросети

Есть много мифов о нейросетях: будто это компьютерный разум, самообучающаяся система, мыслящая программа и так далее. Всё это не так.

На самом деле нейросеть — это просто очень сложная база данных с кучей формул. Данные поступают с одного конца базы данных, обрабатываются через кучу формул и выдаются с другого конца. Никаких мыслей там нет — просто математика. Сложность в том, чтобы вывести те формулы, благодаря которым нейросеть даёт хоть сколько-нибудь полезный результат. Выведение этих формул — и есть машинное обучение. У нас будет отдельная статья о том, как это всё устроено. 

Вот самое простое отображение структуры нейросети. Слева ячейки ввода данных, справа ячейки вывода данных, а между ними — какой-то скрытый слой, в котором нейросеть совершает свои математические вычисления. Пока что это может быть непонятно, но мы еще расскажем об этом отдельно.

Перспективы развития искусственного интеллекта

Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.

Ответим рационально на вопросы, связанные с далекими перспективами развития ИИ.

Цель ИИ — поместить человеческий разум в компьютер?

Нет, это не так. Даже теоретически подобная ситуация не так уж невероятна. Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.

На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.

ИИ стремится достичь человеческого уровня интеллекта?

Цель ИИ — помогать людям и брать на себя сложные или рутинные задачи. Для этого ему вовсе не обязательно поддерживать беседы на философские темы или сочинять поэмы. 

Тем не менее, если искусственный интеллект однажды сможет достичь уровня человеческого мышления, это будет важной вехой для цивилизации. Мы получим дельного и умного помощника — и сможем по праву гордиться тем, что это творение наших рук

Когда искусственный интеллект достигнет человеческого уровня?

Мы успешно создаем сравнительно небольшие нейросети, способные распознать голос или обработать изображение. Никакой ИИ пока не обладает такой же пластичностью, как наш мозг. 

Человек может сегодня заниматься музыкой, а завтра взяться за программирование на C++ — благодаря невероятной сложности мозга. В нем 86 миллиардов нейронов и бесчисленное количество синаптических связей между ними. 

Искусственным нейросетям пока далеко до этих показателей: у них от нескольких тысяч до миллионов нейронов. Есть технические ограничения на размеры нейросетей: даже суперкомпьютеры не «потянут» нейросеть, сопоставимую по масштабам с человеческим мозгом. Не говоря о том, что ее обучение будет нетривиальной задачей. 

Скорость компьютеров позволяет им обладать интеллектом?

«Мощность» интеллекта связана не со скоростью вычислений, а со сложностью нейронной сети. Человеческий мозг пока превосходит по мощности любую искусственную нейросеть, несмотря на то что скорость процессов в нем существенно ниже, чем в компьютерах. 

Искусственные нейронные сети состоят из отдельных нейронов, которые группируются в слои. Два внешних слоя служат «входом», на который подается исходная информация, и «выходом», с которого считывается результат. Между ними могут располагаться от одного до нескольких десятков, а то и сотен, промежуточных слоев из нейронов. Причем каждый нейрон в слое соединен с множеством других в предыдущем и следующем слоях. 

Чем сложнее устроена сеть, чем больше в ней слоев и нейронов, тем более масштабные и серьезные задачи она может выполнять. 

Может ли нейросеть развиваться естественным путем?

Разберемся, вероятно ли, что ИИ сможет получать опыт и обучаться естественно, как ребенок. Человеческий разум формируется под воздействием множества факторов. Мы получаем информацию о внешнем мире благодаря органам восприятия — наблюдая, осязая, пробуя на вкус. Взаимодействуя с окружающей средой, получаем жизненный опыт, знания о свойствах мира, социальные навыки. Наш мозг постоянно совершенствуется и физически меняется, наращивая новые синаптические связи и «прокачивая» существующие.

Если мы сумеем создать нейронную сеть, достаточно сложную, чтобы она могла развиваться подобным образом, и снабдим ее «органами чувств» — видеокамерой, микрофоном и подобным, — возможно, спустя время она сможет приобрести «жизненный опыт». Но это дело далекого будущего.

Доминирующая парадигма 1955-1990 гг.

В 1960-х годах символические подходы достигли большого успеха в моделировании разумного поведения в небольших демонстрационных программах. В 1960-е годы исследования в области ИИ проводились в трех учреждениях: Университете Карнеги-Меллона , Стэнфорде , Массачусетском технологическом институте и (позднее) Эдинбургском университете . Каждый разработал свой стиль исследования. Ранние подходы, основанные на кибернетике или искусственных нейронных сетях, были отброшены или отодвинуты на второй план.

Когнитивное моделирование

Экономист Герберт Саймон и Аллен Ньюэлл изучили человеческие навыки решения проблем и попытались формализовать их, и их работа заложила основы области искусственного интеллекта, а также когнитивной науки , исследований операций и науки управления . Их исследовательская группа использовала результаты психологических экспериментов для разработки программ, имитирующих методы, которые люди использовали для решения проблем. Эта традиция, основанная на университете Карнеги-Меллона , в конечном итоге привела к развитию архитектуры Soar в середине 1980-х годов.

На основе логики

В отличие от Саймона и Ньюэлла, Джон Маккарти считал, что машинам не нужно моделировать человеческое мышление, а вместо этого следует пытаться найти суть абстрактного мышления и решения проблем, независимо от того, используют ли люди одни и те же алгоритмы. Его лаборатория в Стэнфорде ( SAIL ) сосредоточилась на использовании формальной логики для решения широкого круга задач, включая представление знаний , планирование и обучение . Логика также была в центре внимания работы в Эдинбургском университете и других странах Европы, которая привела к развитию языка программирования Prolog и науки о логическом программировании .

Антилогичный или «неряшливый»

Исследователи из Массачусетского технологического института (такие как Марвин Мински и Сеймур Паперт ) обнаружили, что решение сложных проблем со зрением и обработкой естественного языка требует специальных решений — они утверждали, что никакой простой и общий принцип (например, логика ) не может охватить все аспекты разумного поведения. Роджер Шенк охарактеризовал их «анти-логические» подходы как « неряшливые » (в отличие от « аккуратных » парадигм в CMU и Стэнфорде).
Commonsense база знаний (например, Дуг Ленат «s Сус ) является примером„потрепанного“ИИ, так как они должны быть построены вручную, одна сложной концепцией , в то время.

Основанный на знаниях

Когда примерно в 1970 году стали доступны компьютеры с большой памятью, исследователи всех трех традиций начали встраивать знания в приложения ИИ. Революция в области знаний была вызвана осознанием того, что многие простые приложения ИИ потребуют огромных объемов знаний.

Похожие записи:

Распродажа обуви и товаров каталога кари Lbma gold fixing price (xaufix=) Management committee Акрон дивиденды Инструкция: как покупать акции на бирже Акции и скидки в цуме с 1 по 31 мая 2021 года