Основными направлениями искусственного интеллекта, имеющими достаточно широкое применение в настоящее время, являются:
○ экспертные системы;
○ нейронные сети;
○ нечеткая логика;
○ нечеткие системы управления.
В экспертных системах при их разработке используется терминология предметной области, а также понятия правила и факта. В нейронных сетях используется понятие нейрона, обучения, учителя, а алгоритм моделирует распространение нервных импульсов мозга.
Алгоритмы искусственного интеллекта обычно характеризуются эвристической коррекцией используемого ими описания предметной области или объекта управления. В случае экспертных систем коррекция затрагивает значения переменных модели предметной области, в случае нейронных сетей – параметры алгоритма (коэффициенты), при моделировании индуктивных рассуждений – сам алгоритм.
Следует подчеркнуть, что на современном этапе развития компьютеров они являются конечными автоматами. Поэтому автоматизация интеллектуальной деятельности ограничивается тем, что можно реализовать на конечных автоматах. Если этого недостаточно для решения задачи, то остальная часть работы выполняется "вручную" при проектировании системы (составление тезауруса) и при ее использовании (перевод запроса в термины, включенные в тезаурус).
3. Нематематические методы. При недостаточности информации об объекте управления и ввиду его сложной социально-экономической природы, в процессе принятия решений далеко не всегда удается применить математические или даже эвристические методы. В этих случаях применяются методы, которые работают с качественными понятиями и позволяют работать с неполными знаниями об объекте исследования.
3.1. Методы прогнозирования.
○ Метод исторических аналогий.
○ Метод сценариев.
3.2. Методы анализа.
○ Экспертный.
○ Когнитивный.
Итак, одно из решений, которые необходимо принять в первую очередь – какой метод или группу методов принятия решений выбрать. При этом приходится учитывать разнородные критерии:
○ применимость того или иного метода: иногда ситуация не может быть адекватно описана тем аппаратом, который используется при решении. Например, не все задачи могут быть описаны системой линейных уравнений, используемых в линейном программировании;
○ экономическая эффективность использования того или иного метода: затраты на сбор данных, моделирование и анализ могут превысить тот эффект, который даст разработанное в результате решение;
○ наличие информации для решения, ее достоверность;
○ чисто человеческие соображения: боязнь или нелюбовь к аппарату дифференциальных уравнений; неясность для менеджера принятого решения на основе методов исследования операций; опыт; уверенность в правильности используемого критерия.
Существует общепризнанная последовательность выбора метода принятия решения. Она может быть хорошо продемонстрирована на примере задачи поиска экстремума. Поочередно проверяется возможность использования различных методов. Если такая возможность имеется, то используется соответствующий метод. Последовательность проверки следующая.
○ Проверяется возможность использования аналитических математических методов. Такие методы имеются для поиска абсолютного или условного экстремума дважды дифференцируемой функции. Они дают корректное решение, причем эта корректность строго доказана. Кроме того, поскольку решение получается в аналитической форме, можно оценить зависимость этого решения от параметров задачи. К сожалению, часто оказывается, что ход решения и его результаты трудны для интерпретации лицами, принимающими решения. Для использования этих методов на компьютере разработаны специальные средства работы с формулами.
○ Проверяется возможность использования численных математических методов, например, построения функций по точкам. Эти методы более сложны в вычислительном плане, но успешно решаются с помощью компьютера.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.