Анализ научно-прикладных исследований по применению интеллектуальных систем

Опираясь на то, что существует достаточное количество подходов в реализации систем ИИ, существует и несколько основных, которые вызывают наибольший интерес у исследователей и практиков (рис. 1.1).

1. Представление знаний и разработка систем основанных на знаниях – это основное направление в области разработки интеллектуальных систем.

2. Программное обеспечение интеллектуальных систем:

В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач. Эти языки ориентированы на символьную обработку информации. Кроме этого создаются пакеты прикладных программ, которые ориентированы на использование в промышленных разработках интеллектуальных систем, либо в качестве программного инструментария ИИ.

3. Разработка природно-языковых интерфейсов и машинный перевод: это одна из популярных тем в области компьютерной лингвистики, и в частности обеспечение машинного перевода (редактора) текстов, идея, которая возникла еще в 50-х годах. И хотя долго разработчики пытались разные программы на основе морфологического анализа, но все-таки не плодотворность такого подхода связана с очевидным фактом: человек не может перевести только на основе понимания его содержания и в контексте с предыдущей информацией. В связи с этим дальнейшие разработки используют более сложные модели:

- применение «языков-посредников» (языка текста), что создает дополнительную трансляцию при переводе (входной язык оригинала → язык текста → язык перевода);

- ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых репродукциях или в базе данных;

- структурный подход, который включает последовательный анализ и синтез природно-языковых сообщений.

4. Распознавание образов – является традиционным направлением интеллектуальных систем, который берет начало в самых истоках ИИ, а в настоящее время выделилось в самостоятельную науку.

Здесь основной подход в описании классов объектов через определение значений их определяющих признаков. При этом каждому объекту соответствует определенная матрица признаков, по которой проводится его распознавание. Процедура распознавания чаще всего использует специальные математические процедуры, которые разделяют объекты и их классы.

5. Обучение и самообучение – это активное направление развития интеллектуальных систем (ИС) которое включает модели, методы и алгоритмы, которые ориентированы на автоматическое накопление и формирование знаний на основе анализа и обобщения данных.

Он включает обучение на примерах (или с использованием дедукции), использование традиционных подходов из теории распознавания образов, а также применение системного анализа данных и поиск закономерностей в базе данных.

6. Новые архитектуры ЭВМ. Здесь усилия направлены на разработку таких аппаратных архитектур, которые используются для обработки символьных и логических данных.

Также внимание уделяется разработке интеллектуальных роботов, игровое и машинное творчество и многие другие направления (генетические алгоритмы, моделирование, интеллектуальные интерфейсы, и др.).