46 ВИСОКОТЕХНОЛОГИЧНА АВТОМАТИЗАЦИЯ l ИНЖЕНЕРИНГ РЕВЮ технологии биране на това как AI наистина работи е разбирането на концепцията, че AI не е само една компютърна програма или приложение, а цяла дисциплина или наука. Целта на науката за изкуствен интелект е да се изгради компютърна система, която е в състояние да моделира човешкото поведение, така че да може да използва процеси на мислене, подобни на тези на човека, за решаване на сложни задачи. За да постигнат тази цел, AI системите използват цял арсенал от методи и процеси, както и огромен набор от различни технологии. Едва след като се разгледат тези методи и процеси, може наистина да се добие представа за това какво всъщност прави AI и по този начин как работи. Има много различни компоненти на системата за изкуствен интелект, за които може да се каже, че са поддисциплини, които науката за изкуствения интелект обхваща и с които технологиите за изкуствен интелект си служат. Машинното самообучение е специфично приложение на AI, което позволява на компютърните системи, програми или приложения да се учат автоматично и да развиват по-добри резултати въз основа на опит, без да са програмирани за това. Машинното самообучение позволява на изкуствения интелект да намира модели в данните и да подобрява резултатите от всяка задача, която е била поставена на системата. Машинното самообучение изучава компютърни алгоритми, които могат да се подобряват автоматично чрез опит и използване на данни. Алгоритмите за машинно самообучение изграждат модел, базиран на примерни данни, известни като данни за самообучение, за да правят прогнози или дават решения, без да бъдат изрично програмирани за това. Методът на самообучение с утвърждение (Reinforcement Learning) обозначава група от методи за автоматично самообучение, които се отличават със способността си да функционират без необходимост от примерни решения на поставения проблем. Обучението протича като последователност от пробни действия, които постепенно водят до утвърждаване на правилните действия и избягване на неправилните. Дълбокото самообучение (deep learning) е специфичен тип машинно самообучение, което позволява на изкуствения интелект да се учи и подобрява чрез обработка на данни. Дълбокото самообучение използва изкуствени невронни мрежи, които имитират биологични невронни мрежи в човешкия мозък, за да обработват информация, да намират връзки между данните и да извеждат изводи или резултати, базирани на положително и отрицателно стимулиране. Изкуствените невронни мрежи са модел за обработка на информация, който следва принципа на работа на биоелектричните мрежи в човешкия мозък, образувани от неврони и техните синапси. При процеса на обработка се анализират набори от данни отново и отново, за да се намерят асоциации и да се интерпретира значението от недефинирани данни. Изкуствените невронни мрежи подобно на мрежите от неврони в човешкия мозък позволяват на AI системите да приемат големи набори от данни, да разкриват модели сред данните и да отговарят на въпроси за тях. Когнитивните изчисления са друг важен компонент на системите за изкуствен интелект, предназначени да имитират взаимодействията между хора и машини, позволявайки на компютърните модели да имитират начина, по който работи човешкият мозък, когато изпълнява сложна задача, като анализиране на текст, реч или изображения. Обработката на естествен език е критична част от процесите на обработка чрез изкуствен интелект, тъй като позволява на компютрите да разпознават, анализират, интерпретират и наистина разбират човешката реч, било то в писмена или вербална форма. Обработката на естествен език е от решаващо значение за всяка управлявана от изкуствен интелект система, която взаимодейства с хората по някакъв начин – чрез текстово или чрез устно въвеждане. Машинното зрение е едно изключително продуктивно приложение на изкуствения интелект, тъй като комбинацията от двете технологии дава способност да се преглежда и тълкува съдържанието на изображения чрез разпознаване на модели и дълбоко самообучение. Машинното зрение позволява на системите с изкуствен интелект да идентифицират компоненти от визуални данни. Механизмите за обучение на невронни мрежи Има два различни подхода, за да накарате програма да прави това, което искате. Първият подход е чрез направляване на действията на програмата с конкретно програмирани алгоритми. Операторът казва на програмата какво точно иска тя да прави. Вторият подход се основава на принципа на невронните мрежи. При него на мрежата се задават входните сигнали и какво се изисква за изходните и след това тя се оставя да се самообучи. Чрез самообучение се спестява въвеждането на всички правила. Създава се архитектурата и след това тя се оставя да се самообучава. Изкуствените невронни мрежи са организирани в слоеве взаимосвързани паралелни изчислителни елемен-
RkJQdWJsaXNoZXIy Mzc3Mjk=