Вычислительный интеллект - Computational intelligence

Выражение « вычислительный интеллект» ( CI ) обычно относится к способности мешка для мусора изучать конкретную задачу на основе данных или экспериментальных наблюдений. Несмотря на то, что это обычно считается синонимом мягких вычислений , до сих пор нет общепринятого определения вычислительного интеллекта.

Как правило, вычислительный интеллект - это набор вдохновленных природой вычислительных методологий и подходов для решения сложных реальных проблем, для которых математическое или традиционное моделирование может быть бесполезным по нескольким причинам: процессы могут быть слишком сложными для математических рассуждений, они могут содержать некоторые неопределенности во время процесса, или процесс может быть просто стохастическим по своей природе. В самом деле, многие реальные проблемы не могут быть переведены на двоичный язык (уникальные значения 0 и 1), чтобы компьютеры могли их обработать. Таким образом, Computational Intelligence предоставляет решения для таких проблем.

Используемые методы близки к человеческому мышлению, т. Е. Используют неточные и неполные знания, и он способен производить управляющие действия адаптивным образом. Поэтому CI использует комбинацию пяти основных дополнительных методов. Нечеткая логика , которая позволяет компьютеру понимать естественный язык , искусственные нейронные сети , которая позволяет системе , чтобы узнать на опыте данные, работая как биологический, эволюционный вычислениям , который основан на процессе естественного отбора, теории обучения, и вероятностные методы, помогает справиться с неточностью неопределенности.

Помимо этих основных принципов, популярные в настоящее время подходы включают в себя алгоритмы, вдохновленные биологией, такие как интеллект роя и искусственные иммунные системы , которые можно рассматривать как часть эволюционных вычислений , обработки изображений, интеллектуального анализа данных, обработки естественного языка и искусственного интеллекта, который обычно путают с вычислительным интеллектом. Но хотя и вычислительный интеллект (CI), и искусственный интеллект (AI) преследуют схожие цели, между ними существует четкое различие.

Таким образом, вычислительный интеллект - это способ действовать как люди. Действительно, характеристика «интеллекта» обычно приписывается людям. В последнее время многие продукты и предметы также утверждают, что они «умные», что напрямую связано с рассуждениями и принятием решений.

История

Источник: Понятие вычислительного интеллекта было впервые использовано Советом по нейронным сетям IEEE в 1990 году. Этот Совет был основан в 1980-х годах группой исследователей, заинтересованных в разработке биологических и искусственных нейронных сетей. 21 ноября 2001 г. Совет по нейронным сетям IEEE превратился в Общество нейронных сетей IEEE, которое через два года стало Обществом вычислительного интеллекта IEEE , включив в него новые области интересов, такие как нечеткие системы и эволюционные вычисления, которые они связали с вычислительным интеллектом в 2011 г. (Доте и Оваска).

Но первое четкое определение вычислительного интеллекта было введено Бездеком в 1994 году: система называется вычислительно интеллектуальной, если она имеет дело с низкоуровневыми данными, такими как числовые данные, имеет компонент распознавания образов и не использует знания в смысле ИИ. и, кроме того, когда он начинает демонстрировать вычислительную адаптивность, отказоустойчивость, скорость, приближающуюся к человеческому обороту, и частоту ошибок, которая приближается к человеческим возможностям.

Бездек и Маркс (1993) четко отделили КИ от ИИ, утверждая, что первый основан на методах мягких вычислений , тогда как ИИ основан на методах жестких вычислений.

Разница между вычислительным и искусственным интеллектом

Хотя искусственный интеллект и вычислительный интеллект преследуют аналогичную долгосрочную цель: достичь общего интеллекта , который представляет собой интеллект машины, способной выполнять любую интеллектуальную задачу, которую может выполнить человек; между ними есть явная разница. Согласно Бездеку (1994), вычислительный интеллект - это разновидность искусственного интеллекта.

Существует два типа машинного интеллекта: искусственный, основанный на жестких вычислениях, и вычислительный, основанный на методах мягких вычислений, которые позволяют адаптироваться ко многим ситуациям.

Методы сложных вычислений работают в соответствии с двоичной логикой, основанной только на двух значениях (логические значения true или false, 0 или 1), на которых основаны современные компьютеры. Одна из проблем этой логики состоит в том, что наш естественный язык не всегда может быть легко переведен в абсолютные значения 0 и 1. Здесь могут быть полезны методы мягких вычислений, основанные на нечеткой логике. Эта логика, которая намного ближе к тому, как работает человеческий мозг, объединяя данные в частичные истины (четкие / нечеткие системы), является одним из основных эксклюзивных аспектов CI.

В рамках тех же принципов нечеткой и бинарной логики следуют четкие и нечеткие системы . Четкая логика является частью принципов искусственного интеллекта и состоит либо из включения элемента в набор, либо из его отсутствия, тогда как нечеткие системы (CI) позволяют элементам частично входить в набор. Следуя этой логике, каждому элементу может быть присвоена степень принадлежности (от 0 до 1), а не только одно из этих двух значений.

Пять основных принципов CI и его приложений

Основные области применения вычислительного интеллекта - информатика , инженерия, анализ данных и биомедицина .

Нечеткая логика

Как объяснялось ранее, нечеткая логика , один из основных принципов CI, заключается в измерениях и моделировании сложных процессов в реальной жизни. Он может столкнуться с неполнотой и, что наиболее важно, с незнанием данных в модели процесса, в отличие от искусственного интеллекта, который требует точных знаний.

Этот метод имеет тенденцию применяться к широкому кругу областей, таких как управление, обработка изображений и принятие решений. Но он также хорошо внедрен в области бытовой техники со стиральными машинами, микроволновыми печами и т. Д. Мы также можем столкнуться с этим при использовании видеокамеры, где она помогает стабилизировать изображение при неустойчивом удерживании камеры. Другие области, такие как медицинская диагностика, торговля иностранной валютой и выбор бизнес-стратегии, не входят в число приложений этого принципа.

Нечеткая логика в основном полезна для приблизительного рассуждения и не обладает способностями к обучению - квалификацией, столь необходимой для людей. Это позволяет им совершенствоваться, извлекая уроки из своих предыдущих ошибок.

Нейронные сети

Вот почему специалисты CI работают над созданием искусственных нейронных сетей на основе биологических , которые можно определить тремя основными компонентами: клеткой-телом, обрабатывающей информацию, аксоном, который является устройством, обеспечивающим передачу сигнала, и синапс, управляющий сигналами. Таким образом, искусственные нейронные сети очень популярны в распределенных системах обработки информации, что позволяет осуществлять процесс и обучение на основе экспериментальных данных. Работая по-человечески, отказоустойчивость также является одним из главных достоинств этого принципа.

Что касается приложений, нейронные сети можно разделить на пять групп: анализ и классификация данных, ассоциативная память, кластеризация, генерация шаблонов и управление. Как правило, этот метод направлен на анализ и классификацию медицинских данных, переход к обнаружению лиц и мошенничества, и, что наиболее важно, устранение нелинейностей системы с целью ее контроля. Кроме того, методы нейронных сетей разделяют с методами нечеткой логики преимущество включения кластеризации данных .

Эволюционные вычисления

Основываясь на процессе естественного отбора, впервые представленном Чарльзом Робертом Дарвином , эволюционные вычисления заключаются в использовании силы естественной эволюции для создания новых искусственных эволюционных методологий. Он также включает в себя другие области, такие как стратегия эволюции и эволюционные алгоритмы, которые рассматриваются как средства решения проблем ... Основные приложения этого принципа охватывают такие области, как оптимизация и многокритериальная оптимизация , для которых традиционных математических методов уже недостаточно. к широкому кругу задач, таких как анализ ДНК , задачи планирования ...

Теория обучения

Теория обучения, все еще ищущая способ «рассуждать», близкий к человеческому, является одним из основных подходов КИ. В психологии обучение - это процесс объединения когнитивных, эмоциональных и средовых эффектов и опыта для приобретения, улучшения или изменения знаний, навыков, ценностей и мировоззрений (Ormrod, 1995; Illeris, 2004). Затем изучение теорий помогает понять, как обрабатываются эти эффекты и опыт, а затем помогает делать прогнозы, основанные на предыдущем опыте.

Вероятностные методы

Будучи одним из основных элементов нечеткой логики, вероятностные методы, впервые введенные Полом Эрдосом и Джоэлем Спенсером (1974), направлены на оценку результатов вычислительной интеллектуальной системы, в основном определяемых случайностью . Следовательно, вероятностные методы выявляют возможные решения проблемы, основанные на предварительных знаниях.

Влияние на университетское образование

Согласно библиометрическим исследованиям, вычислительный интеллект играет ключевую роль в исследованиях. Все крупные академические издательства принимают рукописи, в которых обсуждается сочетание нечеткой логики, нейронных сетей и эволюционных вычислений. С другой стороны, вычислительный интеллект недоступен в университетской программе . Количество технических университетов, в которых студенты могут посещать курсы, ограничено. Только Британская Колумбия, Технический университет Дортмунда (вовлеченный в европейский нечеткий бум) и Южный университет Джорджии предлагают курсы из этой области.

Причина, по которой крупные университеты игнорируют эту тему, заключается в том, что у них нет ресурсов. Существующие курсы информатики настолько сложны, что в конце семестра нет места для нечеткой логики . Иногда это преподается как подпроект в существующих вводных курсах, но в большинстве случаев университеты предпочитают курсы, посвященные классическим концепциям ИИ, основанным на логической логике, машинам Тьюринга и игрушечным задачам, таким как мир блоков.

С течением времени с развитием STEM-образования ситуация немного изменилась. Существуют некоторые усилия, в которых предпочтение отдается междисциплинарным подходам, позволяющим учащемуся понимать сложные адаптивные системы. Эти цели обсуждаются только на теоретической основе. Учебные программы реальных университетов еще не адаптированы.

Публикации

Смотрите также

Примечания

  • Вычислительный интеллект: введение Андриеса Энгельбрехта. Wiley & Sons. ISBN  0-470-84870-7
  • Вычислительный интеллект: логический подход Дэвида Пула, Алана Макворта, Рэнди Гобеля. Издательство Оксфордского университета. ISBN  0-19-510270-3
  • Вычислительный интеллект: методологическое введение Крузе, Боргельта, Клавона, Моуэса, Штайнбрехера, Хельда, 2013 г., Springer, ISBN  9781447150121

использованная литература