Искусственный интеллект в государственном и муниципальном управлении. Учебное пособие

5) по методам и средствам взаимодействия ИИ с другими системами и человеком-оператором.

Эти подходы к классификации являются основными. Каждый из них может иметь иерархическую структуру [40].

В данном учебном пособии будет часто использоваться понятие «модель искусственного интеллекта», под которым будет подразумеваться программа для электронных вычислительных машин (ее составная часть), предназначенная для выполнения интеллектуальных задач на уровне, сопоставимом с результатами интеллектуального труда человека или превосходящем их, использующая алгоритмы и наборы данных для выведения закономерностей, принятия решений или прогнозирования результатов.

1.2. Краткий обзор истории развития ИИ.

История развития искусственного интеллекта начинается задолго до появления первых компьютеров. Ещё в античные времена философы задавались вопросами о природе человеческого разума и возможности создания мыслящих машин. В эпоху Средневековья и Возрождения эти идеи получили новое развитие в работах таких мыслителей, как Рене Декарт и Готфрид Лейбниц, которые заложили основы для будущих исследований в области ИИ.

Первые попытки создания механических устройств, способных выполнять интеллектуальные задачи, относятся к XVII—XVIII векам. В XIX веке появились первые вычислительные машины, такие как разностная машина Чарльза Бэббиджа, которая считается прообразом современного компьютера. Однако эти устройства были далеки от современных представлений об ИИ.

В XX веке исследования в области ИИ перешли на новый уровень благодаря развитию кибернетики, теории алгоритмов и машинного обучения. В 1950-х годах Алан Тьюринг предложил тест, который стал одним из основных критериев оценки уровня развития ИИ. Этот период также ознаменовался созданием первых компьютерных программ, способных решать логические задачи и играть в шахматы.

Таким образом, предыстория и первые шаги в развитии ИИ представляют собой длительный процесс, начавшийся ещё в античности и продолжающийся до наших дней. За это время были созданы различные механические устройства, разработаны новые теории и подходы, что в конечном итоге привело к появлению современных систем ИИ.

Период с 1960 по 1970 год стал временем активного развития и становления искусственного интеллекта как самостоятельной области исследований. В этот период были заложены основы многих современных технологий ИИ, а также сформировались основные направления исследований.

Одним из ключевых событий этого периода стало создание первых экспертных систем, которые представляли собой компьютерные программы, способные решать задачи в определённой предметной области на основе знаний экспертов. Экспертные системы стали важным шагом в развитии ИИ, поскольку они продемонстрировали возможность создания систем, способных обрабатывать большие объёмы данных и принимать решения на основе логических рассуждений.

Другим важным направлением исследований в этот период стало развитие методов машинного обучения, которые позволили компьютерам автоматически улучшать свою производительность на основе опыта. Машинное обучение стало основой для создания многих современных систем ИИ, таких как нейронные сети и глубокое обучение.

Кроме того, в этот период были проведены первые эксперименты по созданию интеллектуальных роботов, которые могли бы взаимодействовать с окружающей средой и выполнять задачи в реальном мире. Эти эксперименты показали потенциал ИИ для создания автономных систем, способных работать в различных условиях.

Таким образом, эпоха становления ИИ в 1960—1970-е годы стала периодом активного развития и формирования основ современных технологий ИИ. Были созданы первые экспертные системы, разработаны методы машинного обучения и проведены эксперименты по созданию интеллектуальных роботов.

После бурного развития в 1960—1970-е годы исследования в области искусственного интеллекта столкнулись с периодом застоя в 1980-х годах. Это было связано с рядом факторов, включая отсутствие прогресса в создании интеллектуальных систем, способных решать сложные задачи, и разочарование в результатах предыдущих исследований.

Однако, несмотря на застой, исследования в области ИИ продолжались. Были разработаны новые методы машинного обучения, такие как обучение с подкреплением, которое позволило компьютерам учиться на основе обратной связи от окружающей среды. Также были проведены исследования в области нейронных сетей, которые стали основой для создания современных систем глубокого обучения.

Тем не менее, период застоя оказал значительное влияние на развитие ИИ. Многие исследователи потеряли интерес к этой области, а финансирование исследований сократилось. Это привело к замедлению темпов развития ИИ и снижению интереса к нему со стороны научного сообщества.

Несмотря на все трудности, период застоя также стал периодом переосмысления целей и задач исследований в области ИИ. Исследователи начали искать новые подходы и методы, которые могли бы привести к созданию более эффективных и универсальных систем ИИ. Это заложило основу для будущего возрождения интереса к ИИ в 1990-х годах.

Возрождение интереса к искусственному интеллекту в 1990-х годах стало результатом ряда факторов, включая развитие новых технологий, таких как Интернет и мобильные устройства, а также успехи в области машинного обучения и нейронных сетей.

Развитие Интернета и мобильных устройств привело к созданию новых платформ и инструментов для разработки и развёртывания систем ИИ. Это позволило исследователям создавать более сложные и эффективные системы ИИ, которые могли работать с большими объёмами данных и решать более сложные задачи.

Успехи в области машинного обучения и нейронных сетей также сыграли важную роль в возрождении интереса к ИИ.

Таким образом, основные этапы развития ИИ можно представить следующим образом:

– 1950—1960-е годы: разработка первых компьютеров и исследований в области ИИ;

– 1970-е годы: замедление развития ИИ из-за отсутствия прогресса;

– 1980-е годы: возрождение интереса к ИИ благодаря развитию экспертных систем и нейронных сетей;

– 1990-е годы: развитие ИИ благодаря Интернету и мобильным устройствам;

– настоящее время: быстрое развитие ИИ благодаря новым технологиям.

1.3. Общие принципы создания и функционирования ИИ-моделей

1. Создание ИИ-моделей

Создание ИИ-модели включает несколько ключевых этапов. Для начала нужно определить цель и задачи модели. Прежде всего, необходимо понять, для чего вы хотите использовать искусственный интеллект. Это может быть:

– распознавание образов – используется для идентификации объектов, лиц, текста и т. д.

– обработка естественного языка (Natural Language Processing, NLP) – позволяет компьютерам понимать и генерировать человеческий язык.

– рекомендательные системы – предлагают пользователям персонализированные рекомендации на основе их предпочтений.

– прогнозирование временных рядов – предсказывает будущие значения временных рядов на основе исторических данных.

– автоматическое планирование – помогает планировать действия для достижения целей в условиях неопределённости.

Существует несколько подходов к созданию ИИ-моделей:

– символьный подход основан на использовании символов и правил для представления знаний и рассуждений. Этот подход используется в экспертных системах, которые помогают врачам ставить диагнозы и юристам давать консультации.

– нейронный подход основан на использовании нейронных сетей, которые представляют собой математические модели, имитирующие работу человеческого мозга. Нейронные сети используются в машинном обучении, которое позволяет компьютерам учиться на основе данных без явного программирования.

– гибридный подход объединяет символьный и нейронный подходы для создания более мощных ИИ-моделей. Гибридные системы используются в робототехнике, где роботы должны взаимодействовать с окружающей средой и людьми.

Методы обучения ИИ-модели тоже могут быть разными. Различают три основных вида:

– машинное обучение (Machine learning, ML) использует алгоритмы для анализа данных и выявления закономерностей. Оно может быть как с учителем (supervised), так и без учителя (unsupervised).

– глубокое обучение (Deep learning, DL) использует многослойные нейронные сети для обработки сложных данных, таких как изображения и текст.

– обучение с подкреплением (Reinforcement Learning, RL), при котором модели учатся принимать решения на основе обратной связи от окружающей среды.

2. Обучение искусственного интеллекта.

Обучение искусственного интеллекта – это процесс, в котором ИИ-модели учатся на основе данных. Существует два основных типа обучения:

– контролируемое обучение; в этом типе обучения ИИ-модель обучается на размеченных данных, то есть данных, для которых известны правильные ответы. Контролируемое обучение используется в задачах классификации, таких как распознавание изображений и речи.

– неконтролируемое обучение; в этом типе обучения ИИ-модель не знает правильных ответов заранее. Неконтролируемое обучение используется в задачах кластеризации, таких как сегментация изображений и анализ текста.

Процесс обучения искусственного интеллекта включает следующие этапы:

2.1. Сбор данных: данные собираются из различных источников, таких как интернет, базы данных и сенсорные устройства. Данные должны быть чистыми и структурированными, чтобы их можно было использовать для обучения.

2.2. Предварительная обработка данных: данные очищаются от шума и ошибок, а также преобразуются в формат, который может быть использован для обучения. Предварительная обработка данных может включать нормализацию, масштабирование и кодирование.

2.3. Выбор модели: модель выбирается на основе типа задачи и доступных данных. Модель представляет собой математическую функцию, которая отображает входные данные в выходные.