Урок 1.5. Взаимосвязь направлений развития, задач и методов ИИ

Давайте разберемся в одном важном вопросе.

Изучение ИИ базируется на фундаменте знаний из нескольких научных областей:

• биология и нейрофизиология,
• математика и статистика,
• предметная область, к которой применяются методы искусственного интеллекта.

Инструмент, при помощи которого, мы связываем эти области - это знания и навыки программирования, структур данных и само программное обеспечение.

Давайте изобразим на схеме взаимосвязь всех сущностей.

В рамках направления развития ИИ есть определенная предметная область, которая содержит задачу.

Чтобы использовать искусственный интеллект, определим, к какой задаче (или группе задач) из математики можно свести задачу предметной области.

Далее, для каждой математической задачи выбираем метод искусственного интеллекта.

В конце выбираем инструмент для реализации этого метода, например Python.

Разберем на примере. Допустим, нам нужно решить задачу прогнозирования котировок акций (прогнозирование временных рядов) в рамках направления “Обучение и самообучение” (см. предыдущую часть урока).

Мы сводим эту задачу к задаче аппроксимации и/или к задаче оптимизации и выбираем метод ИИ, далее реализуем задуманное на Python, например в среде PyCharm.

Задачи предметной области, которые можно решить с помощью ИИ

1. Распознавание речи
2. Распознавание жестов
3. Распознавание рукописного ввода
4. Распознавание образов
5. Техническая диагностика
6. Медицинская диагностика
7. Прогнозирование временных рядов
8. Биоинформатика
9. Обнаружение мошенничества
10. Обнаружение спама
11. Категоризация документов
12. Биржевой технический анализ
13. Финансовый надзор
14. Кредитный скоринг
15. Прогнозирование ухода клиентов
16. Хемоинформатика
17. Обучение ранжированию в информационном поиске

Задачи из математики, статистики, теории управления и пр. (формализованные задачи)

1. Принятие решений и управление
2. Классификация
3. Кластеризация
4. Оптимизация
5. Аппроксимация / Интерполяция
6. Сжатие данных и Ассоциативная память

Теперь рассмотрим методы искусственного интеллекта, используемые для решения формализованных задач.

1. Искусственные нейронные сети
2. Нечеткая логика (нечеткие множества и мягкие вычисления)
3. Системы, основанных на знаниях (экспертные системы)
4. Эволюционное моделирование (генетические алгоритмы, многоагентные системы)
5. Machine Learning (Data Mining и анализ данных и поиск закономерностей в хранилищах данных)

Выводы

В интернете часто можно встретить так называемую терминологическую кашу, когда путают понятия: направления развития ИИ и задачи решаемые при помощи ИИ.Чтобы избежать путаницы мы предлагаем придерживаться следующего алгоритма:

1. Сформулируйте задачу предметной области.
2. Определите к какой задаче или группе задач из математики, статистики или управления можно свести задачу предметной области.
3. Формализуйте задачу математически (создайте математическую модель или группу моделей).
4. Выберите метод или группу методов ИИ для решения математической задачи.
5. Используйте навыки программирования и средство разработки в качестве инструмента.