Изучение искусственного интеллекта включено в программу российского вуза

Человек-машина: лучшие курсы по искусственному интеллекту и машинному обучению

Нейронные сети и искусственный интеллект постепенно проникают во все стороны нашей жизни. Даже те, кто не интересовался этой областью знаний, слышали о нейронных сетях в контексте нашумевших Prisma и Snapchat. Мы подобрали для вас онлайн и офлайн-курсы, посвященные изучению и разработке искусственного интеллекта.

Курсы по искусственному интеллекту на русском языке

Онлайн-обучение

На базе платформы Coursera доступны две программы по машинному обучению, обе из которых были разработаны совместно с командой “Яндекса”.

Первая программа – “Введение в машинное обучение”, базовый курс, который читают преподаватели из Высшей школы экономики. Вторая программа – специализация “Машинное обучение и анализ данных” на базе МФТИ.

Она включает в себя 5 разных курсов и финальный проект по анализу больших данных.

Курс от преподавателей СПбГУ на stepik.org состоит из двух частей: изучения теории и алгоритмов, лежащих в основе нейронных сетей, и практического применения полученных знаний. Для прохождения курса необходимо только владеть школьной математикой и уметь программировать на Python.

Обратите внимание

На этой же платформе доступен курс от Mail.Ru Group о системе обработке больших объемов данных Hadoop, которая сейчас применяется не только в крупных интернет-компаниях, но и в науках, требующих обработки огромного количества информации.

Также на русском языке можно пройти курсы от открытого университета ИНТУИТ в текстовой форме. На сайте доступно много курсов по разным темам, связанными с технологиями, например, курсы по эволюционным вычислениям и по проектированию систем искусственного интеллекта.

Офлайн-обучение

Академия ПостНауки предлагает небольшой курс из 12 академических часов под названием «Искусственный интеллект: нейронные сети и глубокое обучение». Открытого набора на курс пока нет, но можно связаться с организаторами и сообщить им о своем интересе к программе: при наличии достаточного количества участников курс повторно организуют. Стоимость: 9,000 рублей.

Школа анализа данных от компании “Яндекс” принимает студентов и выпускников со специализацией в инженерных науках и математике. Отбор проходит в три этапа: онлайн-тестирование, очный экзамен и собеседование. По итогам пройденных заданий можно пройти на бесплатное место в школе. Также доступны платное и заочное обучение. Ближайший набор в школу начнется 4 апреля.

Сочетание теоретических знаний и практических занятий предлагает Digital Technologies School в рамках программы Data Science / Python / Machine learning, рекомендованного как для студентов, так и для работающих аналитиков и разработчиков. Ближайший курс пройдет с 28 марта по 20 апреля, цена – 24,900 рублей.

Курс от школы данных “Билайн” разделен на две части: подготовительная программа и основная. Особенность обучения в том, что ученики соревнуются друг с другом на каждом занятии, выполняя практические задания. Основной курс рассчитан на 9 недель, его цена – 100,000 рублей, а подготовительный курс идет 4 недели и стоит 20,000 рублей.

Большой и серьезный курс предлагает Высшая школа экономики в рамках программы дополнительного профессионального образования.

Студенты получат возможность изучить все нужные математические основы, обработку данных, полученных из социальных сетей и текстов, а также платформы для работы с big data.

По итогам обучения у каждого участника будет свой готовый проект. Стоимость: 130,000 рублей за 190 академических часов.

5 лучших онлайн-курсов по машинному обучению на английском языке

Если вы нашли опечатку — выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.

Источник: https://apptractor.ru/learn/chelovek-mashina-luchshie-kursyi-po-iskusstvennomu-intellektu-i-mashinnomu-obucheniyu.html

С чего начать изучение искусственного интеллекта?

Машинное обучение и искусственный интеллект уже давно и прочно вошли в повседневную жизнь. Однако специалистов в этой области до сих пор очень мало. С чего же начать изучение сферы ИИ? На этот вопрос ответили пользователи сайта Quora.

Шриканс Варма Чекури, преподаватель и исследователь в сфере машинного обучения

Я работаю преподавателем онлайн-курса по изучение искусственного интеллекта и машинного обучения.

Этот курс создан для новичков, у которых нет никаких знаний в данной сфере, которые, однако, готовы на протяжении 5-6 месяцев тратить 5-10 часов в неделю на изучение машинного обучения.

По окончании данного курса многие наши студенты действительно решают существующие задачи при помощи ИИМО.

Работа курса построена следующим образом:

Важно

Мы начинаем с базовых знаний об Python, включая изучение крупных библиотек данных, таких как NumPy, SciPy, MatPlotlib, Seaborn и др. Среди множества языков программирования мы выбираем Python (а не Java или, к примеру, R), потому что этот язык достаточно легко изучить. Кроме того, для него существует огромное количество отличных библиотек для ИИМО.

Как только усвоен базовый уровень программирования, участники курса учатся работать с данными, используя Python в качестве инструмента программирования. Данный этап носит название «Исследовательский анализ данных» и включает в себя использование инструментов для построения диаграмм, что облегчает работу с данными.

На этом этапе изучаются базовые понятия, такие как гистограмма, PDF, CDF, точечная и прямоугольная диаграммы и другие. Анализу подвергаются реально существующие массивы данных.

Благодаря использованию диаграмм для осуществления анализа данных, уже на начальных этапах обучения студенты могут увидеть результат проделанных ими исследований, что, несомненно, мотивирует их на дальнейшую работу.

После мы переходим к изучению статистики и теории вероятности. Данный блок информации воспринимается участниками курса легче, учитывая то, что на предыдущем этапе велась работа с данными.

Участники курса знакомятся с такими понятиями, как распределение вероятностей, тестирование гипотезы, корреляция, доверительные интервалы и многое другое.

При помощи простых примеров, разбавляющих «сухую» теорию, данная тема воспринимается намного лучше.

Дальше мы переходим к линейной алгебре. Хоть многим людям намного проще воспринимать зрительную информацию, поэтому диаграммы и геометрия намного легче для восприятия, чем уравнения, все же базовые знания в линейной алгебры необходимы. 

Совет

Теперь можно перейти непосредственно к основам машинного обучения. Мы используем Метод главных компонент (PCA) и алгоритм t-SNE для визуализации многомерных переменных. Однако в качестве базиса для извлечения математических деталей используется геометрия.

Изучив все необходимые основы, можно переходить к главным алгоритмам машинного обучения. Что касается уравнений – они начинают нравиться студентам только тогда, когда студенты в них разобрались и могут с легкостью их читать. Поэтому мы подаем уравнения в форме описательных предложений, что помогает студентам быстрее разобраться в них и получить более четкое представление о происходящем.

По моему опыту, изучение каждой отдельной техники необходимо сочетать с параллельной работой над действительно существующей задачей той же направленности. В нашем курсе изучается более 25 техник машинного обучения и 5 техник глубокого обучения.

Если у вас есть свободное время, то неплохо было бы использовать каждый отдельный метод на практике. Это даст вам более глубокое понимание того, каким образом функционирует каждый алгоритм в машинном обучении.

Кроме того, студенту также необходимо понять и разобраться, как наиболее эффективно применять различные методы, в каких случаях метод работает не лучшим образом и что делать, если метод плохо работает.

Также, для более глубокого погружения в машинное обучение необходимо разбираться в базовой математике и применять различные техники для решения многочисленных задач, существующих в данной области.

Источник: https://www.kv.by/post/1055397-s-chego-nachat-izuchenie-iskusstvennogo-intellekta

Направления исследований в области искусственного интеллекта

В исследованиях в области искусственного интеллекта сложилось два главных направления: прагматическое и бионическое.

Читайте также:  Искусственный интеллект выступил в роли художника

Прагматическое направление основано на предположении о том, что мыслительная деятельность человека – «черный ящик».

Но если результат функционирования искусственной системы в некотором смысле совпадает с результатом деятельности эксперта, то такую систему можно признать интеллектуальной независимо от способов получения этого результата.

Обратите внимание

При таком подходе не ставится вопрос об адекватности используемых в компьютере структур и методов тем структурам и методам, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.

С точки зрения конечного результата в прагматическом направлении можно выделить три целевые области:

  • создание инструментария. Инструментарий – языки для систем искусственного интеллекта; дедуктивные и индуктивные методы автоматического синтеза программ; лингвистические процессоры; системы анализа и синтеза речи; базы знаний; оболочки, прототипы систем; системы когнитивной графики;
  • разработка методов представления и обработки знаний – является одной из основ современного периода развития искусственного интеллекта;
  • интеллектуальное программирование – разбивается на несколько групп. К ним относят игровые программы, естественно-языковые программы (системы машинного перевода, автоматического реферирования, генерации текстов), распознающие программы, программы создания произведений живописи и графики.

Общим для перечисленных программ является широкое использование поисковых процедур и методов решения переборных задач, связанных с поиском и просмотром большого числа вариантов. Эти методы применяются при машинном решении игровых задач, в задачах выбора решений, при планировании целесообразной деятельности в интеллектуальных системах.

Бионическое направление исследований в области искусственного интеллекта основано на предположении о том, что если в искусственной системе воспроизвести структуры и процессы человеческого мозга, то и результаты решения задач такой системой будут подобны результатам, получаемым человеком. В этом направлении исследований выделяются:

  • нейробионический подход. В его основе лежат системы элементов, способные подобно нейронам головного мозга воспроизводить некоторые интеллектуальные функции. Прикладные системы, разработанные на основе этого подхода, называются нейронными сетями;
  • структурно-эвристический подход. В его основе лежат знания о наблюдаемом поведении объекта или группы объектов и соображения о тех структурах, которые могли бы обеспечить реализацию наблюдаемых форм поведения. Примером подобных систем служат мультиагентные системы;
  • гомеостатический подход. В этом случае решаемая задача формулируется в терминах эволюционирующей популяции организмов – совокупности противоборствующих и сотрудничающих подсистем, в результате функционирования которых обеспечивается нужное равновесие (устойчивость) всей системы в условиях постоянно изменяющихся воздействий среды. Такого рода подход реализован в прикладных системах на основе генетических алгоритмов.

Источник: http://www.aiportal.ru/articles/other/direction-researches.html

Самые перспективные профессии в области искусственного интеллекта

Искусственный интеллект ­– это не только роботы-андроиды из фантастических фильмов.

Сегодня искусственным интеллектом разного уровня развития может обладать даже утюг и мультиварка, не говоря уж о смартфонах. Применение искусственного интеллекта (ИИ) становится всё более широким.

А это значит, что специалисты, способные его внедрять, настраивать его и улучшать, будут очень востребованы.

Кадр из фильма «Я, робот»

По данным статистики, около 10 тысяч человек сегодня работают в области ИИ, а к 2020 году 85% работы в службах поддержки к будет выполнять ИИ, а 20% всех материалов для деловых издательств будут создавать роботы.

Интернет-портал «ПроеКТОриЯ» составил список профессий, связанных с искусственным интеллектом, которые будут перспективны в самом ближайшем будущем.

Топ-5 перспективных профессий в области искусственного интеллекта:

  • Копирайтер, специалист-практик по созданию чат-ботов

Помогает боту создавать грамотный текст, обучает машину анализу содержания и эмоциональной окраски текстов. исправляет машинные переводы для дальнейшего обучения бота,  принимает участие в создании программ, генерирующих тексты на заданную тему.

  • Юрист (адвокат) по вопросам интеллектуальной собственности, созданной с применением ИИ

Такой юрист должен выявлять и расследовать случаи нарушения прав интеллектуальной собственности (ИС), также предупреждать и пресекать такие случаи.

Он даёт консультации по вопросам ИС и экспертную оценку продуктов, созданных с помощью ИИ.

Кроме того, как юрист в любой организации, он обеспечивает юридическое сопровождение деятельности компании, оформляет документы, разрабатывает варианты решения юридических проблем.

  • Онтоинженер («онто-» — от греч. «существование»)

Этот специалист проектирует и создаёт экспертные системы – вычислительные системы, способные принимать решения, схожие с решениями экспертов в определённой области. Онтоинженер, выступая посредником между экспертом и программистом, структурирует знания, полученные от эксперта, и программирует операции, которые будут использоваться в продуктах с экспертными системами.

  • Разработчик компьютерных игр

Создаёт модели будущих игр (прототипы) и пишет для них код (на языке C#). Может создавать игры как в 2D, так и в 3D-графике, и разрабатывать игры для мобильных устройств. В его обязанности также входит создание сценария, персонажей и интерфейсов игры и др.

Этот специалист занимается разработкой и программированием роботов для разных сфер деятельности. В его компетенции также входит проектирование систем управления роботами с помощью различных интерфейсов, в том числе нейроинтерфейсов (связь между мозгом и компьютером).

В список перспективных профессий из области искусственного интеллекта также попали: специалист по таргетированному PR, нейромаркетолог, нейроэкономист, когнитивный копирайтер, проектирвщик в области VR(виртуальная реальность), бэкенд-разработчик. Современные IT-компании уже сейчас готовы принять на работу этих специалистов, а вузы активно разрабатывают программы для их подготовки.

Источник: https://moeobrazovanie.ru/samye_perspektivnye_professii_v_oblasti_iskusstvennogo_intellekta.html

Комплексные интеллектуальные САПР для разработки современных конструкций и технологических процессов РЭС

Имеются различные точки зрения на то, что следовало бы считать искусственным интеллектом. Разделение работ по ИИ на два основных направления связано с существованием двух точек зрения на вопрос о том, каким именно образом строить системы ИИ.

В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека,а конечная цель заключается в раскрытии тайн мышления.

Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д. Эту точку зрения называют нейробио-нической.

Важно

Ее сторонники ставят перед собой цель воспроизвести искусственным образом те процессы, которые протекают в мозгу человека, — это путь изучения естественного мозга, выявление способов его работы, создания технических средств для повторения биологических структур и протекающих в них процессов. Сторонники этой точки зрения убеждены в том, что важнее всего результат,т. е.

хорошее совпадение поведения искусственно созданных и естественных интеллектуальных систем, а что касается внутр енних механизмов формирования поведения, то разработчик ИИ вовсе не должен копировать или даже принимать во внимание особенности естественных, живых аналогов.

Другая точка зрения заключается в том, что именно изучение механизмов естественного мышления и анализ данных о способах формирования разумного поведения человека могут создать основу для построения систем ИИ, причем построение это должно осуществляться, прежде всего, как моделирование, воспроизведение техническими средствами принципов и конкретных особенностей функционирования биологических объектов. Вторую точку зрения, доминирующую в проблеме искусственного интеллекта, называют информационной. Сторонники информационного подхода считают, что основной целью работ в искусственном интеллекте является не построение технического аналога биологической системы, а создание средств для решения задач, традиционно считающихся интеллектуальными.

Таким образом, первое направление рассматривает продукт интеллектуальной деятельности человека, изучает его структуру (выделяя различные проявления интеллектуальной деятельности — решение задач, доказательство теорем, игры) и стремится воспроизвести этот продукт средствами современной техники, т. е. ЭВМ.

Читайте также:  Создан робот-осьминог для изучения морских глубин

Если удается запрограммировать ЭВМ так, чтобы она успешно решала конкретную задачу, то считают, что соответствующий вид интеллектуальной деятельности автоматизирован. Успехи этого направления ИИ тесно связаны с развитием ЭВМ и искусством программирования, т. е. с комплексом научно-технических исследований, называемым компьютерными науками.

Это направление ИИ также часто называют машинным интеллектом.

Второе направление ИИ рассматривает данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности, а в более широком плане — о разумном поведении человека.

Разработчики стремятся воспроизвести эти механизмы с помощью технических устройств, чтобы поведение их хорошо совпадало с поведением человека в определенных, заранее задаваемых пределах. При положительном решении этой проблемы считают, что соответствующий вид человеческой деятельности автоматизирован.

Развитие этого направления, называемого искусственным разумом, тесно связано с успехами наук о человеке. Характерным в данном случае является стремление к воспроизведению более широкого, чем в машинном интеллекте, спектра проявлений разумной деятельности человека. Второй подход в качестве объекта исследования рассматривает ИИ.

Совет

Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин.Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Оба основных направления ИИ связаны с моделированием: в первом случае — с моделированием феноменологическим, имитационным, а во втором — со структурным. В упрощенном виде структура основных направлений, существующих в ИИ, изображена на рис. 21.1 курса «Автоматизированное проектирование промышленных изделий».

Однако существует и третий подход, который ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

Рис. 1.1. Основные направления исследований в области искусственного интеллекта

Информационная точка зрения, в свою очередь, неоднородна. В ней можно выделить три направления.

  1. Часть специалистов считает, что можно найти свой способ решения задач на ЭВМ, который даст либо результат, подобный человеческому, либо даже лучший. Специалисты этого направления неоднократно демонстрировали свое искусство по созданию программ такого рода. Достаточно назвать, например, программы для игры в шахматы, которые играют в эту игру лучше подавляющего большинства людей, проводящих время за шахматной доской. Но программы делают это совсем не так, как люди.
  2. Другая часть специалистов считает, что искусственный интеллект должен имитировать не решение отдельных (пусть и творческих) задач, ибо естественный интеллект человека — это его способность при необходимости обучаться тому или иному виду творческой деятельности, значит, и программы, создаваемые в искусственном интеллекте, должны быть ориентированы не на решение конкретных задач, а на создание для автоматического построения необходимых программ решения конкретных задач, когда в этом возникает необходимость. Именно эта группа исследователей сейчас определяет «лицо» искусственного интеллекта, составляя основную массу специалистов этого профиля.
  3. Третья часть специалистов — это программисты, чьими руками делают программы для решения задач искусственного интеллекта. Они склонны рассматривать область своей деятельности как новый виток развития программирования. Они считают, что средства, разрабатываемые для написания программ решения интеллектуальных задач, в конце концов, есть средства, позволяющие по описанию задачи на профессиональном естественном языке построить нужную программу на основании тех стандартных программных модулей, которые хранятся в памяти машины. Мета-средства могут предлагать те, кто рассматривает искусственный интеллект как способ разобраться на информационном уровне, какие функции реализует естественный интеллект, когда он решает задачу; но программисты видят эти средства сквозь призму своей цели — создания интеллектуального программного обеспечения (по существу, комплекса средств, автоматизирующих деятельность самого программиста).

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ, были логические игры (шашки, шахматы), доказательство теорем, кибернетические игрушки типа «электронной мыши» Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла «исследовать» лабиринт и находить выход из него, и, кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.

Правила игры в таких устройствах были заложены программно, так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию качества игры.

Разумно сочетая такие критерии (например, в виде линейной комбинации с экспериментально подбираемыми коэффициентами или более сложным образом), можно для оценки очередного хода машины получить некоторый числовой показатель эффективности — оценочную функцию.

Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю.

Подобная автоматизация выбора очередного хода не обязательно обеспечивает оптимальный выбор, но все же это какой-то выбор, и на его основе машина может продолжать игру, совершенствуя свою стратегию (образ действия) в процессе обучения на прошлом опыте. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведенных ходов и игр с учетом их исхода.

В настоящее время существуют и успешно применяются программы, которые позволяют машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также придают программам присущие человеку способности к обучению и адаптации.

Одной из наиболее интересных интеллектуальных задач, также с огромным прикладным значением, является задача обучения распознаванию образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук — физиологи, психологи, математики, инженеры.

Обратите внимание

Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы ИИ, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п.

, а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.

В 1957 году американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перcептрон.

Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания, и породило большой поток теоретических и экспериментальных исследований.

Перcептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом из них сообщает, к какому понятию (классу) он принадлежит.

По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.

Проблема обучения распознаванию тесно связана с другой интеллектуальной задачей — проблемой перевода с одного языка на другой, а также обучения машины языку.

При достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода, скажем, научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 1960-х годов.

Однако чтобы связно перевести достаточно большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Имеются также программы, обеспечивающие диалог между человеком и машиной на урезанном естественном языке.

Важно

Что же касается моделирования логического мышления, то хорошей модельной задачей здесь может служить задача автоматизации доказательства теорем.

Читайте также:  Мнение экспертов: в ближайшие годы более половины рабочих мест в европе займут роботы

Начиная с 1960 года, был разработан ряд программ, способных находить доказательства теорем в исчислении предикатов первого порядка. Эти программы обладают, по словам американского специалиста в области ИИ Дж.

Маккатти, «здравым смыслом», т. е. способностью делать дедуктивные заключения.

Очень большим направлением систем ИИ является роботехника. В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин?

Для ответа на этот вопрос уместно вспомнить принадлежащее великому русскому физиологу И.М. Сеченову высказывание: «… все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению — мышечному движению».

Другими словами, вся интеллектуальная деятельность человека направлена, в конечном счете, на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат, прежде всего, для организации его целенаправленных движений.

В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер, которые обычно не связаны ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

В те годы, когда возникали ЭВМ, мало кто предполагал, что они очень быстро вытеснят из вычислительной сферы все остальные вычислительные устройства. Дж.

фон Нейман, с именем которого связана идея архитектуры классической ЭВМ, в те годы интересовался и другой организацией процесса вычислений, использующей аналоги нейроподобных структур; первые модели формальных нейронов были предложены Мак-Калоком и Питсом.

Совет

По сути, эти элементы реализовали пороговую функцию: сигнал на выходе элемента возникал лишь тогда, когда взвешенная сумма разрешающих входных сигналов превышала взвешенную сумму запрещающих входных сигналов более чем на величину, определяемую значением порога элемента. Варьируя значения весов и порога, можно было добиться нужного срабатывания формального нейрона. Объединенные в сети, такие нейроны представлялись мощным способом реализации различных процедур.

Дальнейшие исследования в области нейробионических устройств шли по пути увеличения числа слоев из формальных нейронов, изменения и усложнения способа функционирования нейронов и построения решающего правила; параллельно развивалась теория персептронов. Но два обстоятельства затормозили эти работы.

Очень быстро при решении практических задач распознавания стало понятно, что возможности устройств типа персептронов ограничены. Например, они не могли разложить на составляющие изображение, являющееся комбинацией двух ранее персептрону известных. Это заставляло рассматривать подобную комбинацию как новое изображение.

С другой стороны, Н. Минский и С. Пейперт доказали ряд теорем о персептронах, в которых обосновали их принципиальную ограниченность, а отсутствие новых идей нейробиони-ческих устройств в течение десятка лет не давало повода для развития этих исследований.

Но успехи микроэлектроники последних лет, сделавшие возможным создание большого числа нейроподобных элементов в малом объеме, вновь возродили надежды сторонников этого подхода. Появились нейрокомпьютеры, в которых процесс решения задачи развертывается на сети искусственных нейронов.

Этот процесс может включать в себя множество параллельно и асинхронно протекающих подпроцессов, что сулит высокую эффективность решения задач на нейрокомпьютерах.

Программы для решения интеллектуальных задач могут быть разделены на несколько групп, которые определяются типом задач, решаемых этими программами. Первую группу составляют игровые программы, они, в свою очередь, делятся на две подгруппы: человеческие игры и компьютерные игры.

Особенностью всех программ для имитации человеческих игр является большая роль поисковых процедур — поиск лучшего или локально лучшего хода требует в сложных играх типа шахмат просмотра большого числа вариантов.

Обратите внимание

Недаром шахматные программы являются специальным тестом для проверки эффективности поисковых процедур.

  1. Назовите пути повышения интеллектуальности подсистем проектирования.
  2. Что понимают под полезностью альтернативы?
  3. Какие существуют способы оценки полезности?
  4. Как формируют обучающие выборки?
  5. Что является основой для развития искусственного интеллекта?
  6. Поясните понятие «интеллект».
  7. Какова основная задача создания искусственного интеллекта?
  8. Как работает лабиринтная модель?
  9. Поясните работу ассоциативной модели.
  10. Почему используется модельная гипотеза?
  11. Каковы цели и задачи искусственного интеллекта?
  12. Какие современные проблемы решаются в искусственном интеллекте?
  13. Поясните два направления исследований в области искусственного интеллекта.
  14. Что называют машинным интеллектом?
  15. Что входит в понятие » искусственный разум «?

Источник: http://www.intuit.ru/studies/courses/651/507/lecture/11529?page=2

Intel проведет в НГУ первый День искусственного интеллекта в России

​Корпорация Intel и Лаборатория высокопроизводительных вычислительных систем ФИТ НГУ проведут в НГУ семинар-воркшоп Intel Artificial Intelligence Day. Новая серия мероприятий Intel проходит в ноябре-декабре в ведущих университетах мира — НГУ стал первым российским вузом, где состоится подобный семинар.

Artificial Intelligence (Deep Machine Learning) Workshop – это новая серия мероприятий, которые корпорация Intel проводит в ведущих университетах мира с 14 ноября 2017 года.

Программа семинара включает знакомство с машинным обучением — участники мероприятия узнают, можно ли сделать Терминатора, им расскажут, как работают современные нейросети и продемонстрируют, как можно использовать инструменты и курсы Intel® Nervana AI Academy.

Также во время семинара будут представлены примеры использования искусственного интеллекта и высокопроизводительных вычислений для решения различных научных и прикладных задач.

Семинар-воркшоп Artificial Intelligence (Deep Machine Learning) рассчитан на студентов, аспирантов и преподавателей НГУ, а также сотрудников институтов СО РАН и компаний-резидентов Академпарка.

Студентам и преподавателям профильных факультетов (ФИТ, ММФ, ФФ, ФЕН, ЭФ) познакомиться с темой будет особенно просто, но предлагаемый материал будет полезен и интересен также представителям гуманитарных наук.

— Мы приглашаем всех заинтересованных, чтобы познакомиться с темой искусственного интеллекта, а также тех, кто хочет понять перспективы использования последних технологий и методов Machine/Deep Learning/Artificial Intelligence в своих исследованиях и разработках.

В простой и доступной форме с использованием примеров будет рассказано о том, что представляет из себя искусственный интеллект, какие возможности он предоставляет и что уже сделано, чтобы использовать достижения искусственного интеллекта на практике, — говорит заведующий Лабораторией высокопроизводительных вычислительных систем ФИТ НГУ Александр Авдеев.

В ноябре-декабре 2017 года корпорация Intel проводит серию подобных семинаров в 20 вузах разных стран мира, в том числе Италии, Финляндии, Великобритании, США. НГУ стал первой площадкой для семинаров в России. Intel выбрал НГУ, исходя из высокого рейтинга университета в России и в мире.

Важно

Также в университете работают высококвалифицированные эксперты в области технологий Intel — сотрудники Лаборатория высокопроизводительных вычислительных систем ФИТ НГУ. Они и станут основными докладчиками на семинаре.

В 2017 году Лаборатория провела более 10 совместных с Intel мероприятий (конференций, семинаров, воркшопов) в Казани, Екатеринбурге, Москве, Санкт-Петербурге, Якутске, Владивостоке и получила статус Intel Official Partner.

Это дает сотрудникам лаборатории возможность использовать новейшие разработки Intel в своих проектах, проводить семинары, учебные курсы и тренинги по использованию технологий Intel, выступать с докладами об инструментах и технологиях Intel на российских и международных конференциях.

Семинар-воркшоп состоится 30 ноября в аудитории 3107 нового корпуса НГУ. Начало в 16:15. Семинар завершится в 21:00. Для участия обязательна регистрация на сайте.

Программа семинара доступна здесь

Источник: http://www.sib-science.info/ru/heis/intel-15112017

Ссылка на основную публикацию