Отрицательные результаты в рамках ИИ

1. в общем случае не решена задача распознавания образов;

2. в рамках логического представления знаний применяются предикаты только 2-го порядка, применение логики высших порядков ограничивается неразрешимостью теории;

3. в рамках теории алгоритмов так не установлены соотношения между классами Р – задач (время (Р - полином) решения) NP – задач (поисково - полиномная);

Р – задача – задача с полиномиальным временем решения;

NP – задача с экспоненциальным временем решения;

Успехи в области вычислительной техники являются недостаточными для создания ИС.

Установлено, что размеры вычислительных машин уменьшились в 10⁵, стоимость уменьшилась в 10⁶ раз, скорость возросла в 10⁶ раз, надежность увеличилась в 10⁴ раз.

Вместе с тем для моделирования ИС, данные количественные успехи следует оценивать в логарифмической шкале.

4. в рамках нейросетевого подхода к синтезу адекватной модели нейрона пока не предложено. Все существующие модели берут за основу модель многоходового настраиваемого сумматора, который реализует некоторым образом пороговую функцию.

Рис.1

- порог

В нейронных сетях реализуется два решения:

1. режим обучения;

2. режим идентификации объекта;

Сущность обучения сводится к вычислению настроечных коэффициентов a_i, процесс обучения определяется заложенной топологией выходов сумматоров с другими нейронами. Вместе с тем возможности обучения являются ограниченными.

Лекция №2, 3