Войти
Выражение вычислительный интеллект e (CI) обычно относится к способности компьютера изучить конкретную задачу на основе данных или экспериментальных наблюдений. Хотя это обычно считается синонимом, 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 рассуждения, он может содержать некоторую неопределенность 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. Таким образом, CI использует комбинацию пяти основных дополнительных методов. нечеткая логика, которая позволяет компьютеру понимать естественный язык, искусственные нейронные сети, что позволяет системе изучать экспериментальные данные, работая как биологическая, эволюционные вычисления, которые основаны на процессе естественного отбора, теории обучения и вероятностных методах, помогающих справиться с неточностью неопределенности.
Помимо этих основных принципов, популярные в настоящее время подходы включают в себя алгоритмы, вдохновленные биологией, такие как интеллект роя и искусственная иммунная система, которые можно рассматривать как часть эволюционных вычислений, обработки изображений, интеллектуального анализа данных, обработки естественного языка и искусственного интеллекта, который часто 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 «интеллект» обычно приписывается людям. В последнее время многие продукты и предметы также утверждают, что они «умные», что напрямую связано с рассуждениями и принятием решений.
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 был преобразован 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 связанных с вычислительным интеллектом в 2011 году (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 распознавание образов и не использует знания в смысле ИИ, и, кроме того, когда он начинает проявлять вычислительную адаптивность, отказоустойчивость, скорость, приближающуюся к человеческому обороту, и частоту ошибок, которая приближается к производительности человека.
Бездек и Маркс (1993) четко дифференцировали КИ от ИИ, утверждая, что первый основан на методах, тогда как ИИ основан на жестких вычислениях.
Хотя искусственный интеллект и вычислительный интеллект преследуют аналогичную долгосрочную цель: достичь общего интеллекта, который представляет собой интеллект машины, который мог выполнять любую интеллектуальную задачу, которую может человек; между ними есть явная разница. Согласно Бездеку (1994), вычислительный интеллект - это разновидность искусственного интеллекта.
Существует два типа машинного интеллекта: искусственный, основанный на методах жестких вычислений, 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 (логическое значение 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 числа 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.
Основные области применения вычислительного интеллекта: информатика, инженерия, анализ данных и биомедицина.
Как объяснялось ранее, Нечеткая логика, один из основных принципов CI, заключается в измерениях и моделировании процессов для сложных процессов 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 применений этого принципа.
Нечеткая логика в основном полезна для приблизительных рассуждений и не обладает способностями к обучению, что очень необходимо что есть у людей. Это позволяет им совершенствоваться, извлекая уроки из своих предыдущих ошибок.
Вот почему специалисты CI работают над созданием искусственных нейронных сетей на основе биологических, которые можно определить как 3 основных компонента: тело клетки, которое обрабатывает информацию, аксон, который представляет собой устройство, обеспечивающее передачу сигнала, и синапс, который контролирует сигналы. Таким образом, искусственные нейронные сети очень популярны в распределенных системах обработки информации, позволяя процесс и обучение на основе экспериментальных данных. Работая как люди, отказоустойчивость также является одним из основных достоинств этого принципа.
Что касается приложений, нейронные сети можно разделить на пять групп: анализ и классификация данных, ассоциативная память, кластерное создание шаблонов и контроль. Как правило, этот метод направлен на анализ и классификацию медицинских данных, переход к обнаружению лиц и мошенничества, и, что наиболее важно, на устранение нелинейностей системы с целью ее контроля. Кроме того, методы нейронных сетей разделяют с методами нечеткой логики преимущество включения кластеризации данных.
на основе процесса естественного отбора, впервые представленного Чарльз Роберт Дарвин, эволюционные вычисления заключаются в использовании силы естественной эволюции для создания новых методологий искусственной эволюции. Он также включает 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 многоцелевой оптимизация, для которой традиционных математических методов уже недостаточно для применения к широкому кругу задач, таких как Анализ ДНК, задачи планирования...
Все еще ища способ «рассуждать», близкий к человеческому, теория обучения является одним из основных подходов КИ. В психологии обучение - это процесс объединения когнитивных, эмоциональных и средовых эффектов и опыта для приобретения, расширения 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.
Будучи одним из основных элементов нечеткой логики, вероятностные методы в первую очередь введенные Полом Эрдосом и Джоэлем Спенсером (1974), нацелены на оценку результатов вычислительной интеллектуальной системы, в основном определяемых случайностью. Следовательно, вероятностные методы выявляют возможные решения проблемы на основе предварительных знаний.
Согласно исследованиям библиометрии, вычислительный интеллект играет ключевую роль в исследованиях. Все основные академические издательства принимают рукописи, в которых обсуждается сочетание нечеткой логики, нейронных сетей и эволюционных вычислений. С другой стороны, вычислительный интеллект недоступен в университетской учебной 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, машинах Тьюринга и игрушечных задачах вроде мира блоков.
С появлением STEM-образования ситуация немного изменилась. Существуют некоторые усилия, в которых предпочтение отдается междисциплинарным подходам, которые позволяют студенту понимать сложные адаптивные системы. Эти цели обсуждаются только на теоретической основе. Учебные программы реальных университетов еще не адаптированы.
