Выражение « вычислительный интеллект» ( CI ) обычно относится к способности компьютера изучать конкретную задачу на основе данных или экспериментальных наблюдений. Несмотря на то, что это обычно считается синонимом мягких вычислений , 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 рассуждений, они могут содержать некоторые неопределенности во время процесса, или процесс может быть просто стохастическим по своей природе. [1] [ Требуется страница ] Действительно, 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. Поэтому CI использует комбинацию пяти основных дополнительных методов. [1] нечеткая логика , которая позволяет компьютеру понимать естественный язык , [2] [ нужная страница ] [3] искусственные нейронные сети , которая позволяет системе , чтобы узнать на опыте данные, работая как биологический, эволюционный вычислений , которая основана на процесс естественного отбора, теория обучения и вероятностные методы, которые помогают справиться с неточностью неопределенности. [1]
Помимо этих основных принципов, популярные в настоящее время подходы включают в себя алгоритмы, вдохновленные биологией, такие как интеллект роя [4] и искусственные иммунные системы , которые можно рассматривать как часть эволюционных вычислений , обработки изображений, интеллектуального анализа данных, обработки естественного языка и искусственного интеллекта, которые часто путают с вычислительным интеллектом. Но хотя и вычислительный интеллект (CI), и искусственный интеллект (AI) преследуют схожие цели, между ними существует четкое различие [в соответствии с кем? ] [ необходима ссылка ] .
Таким образом, вычислительный интеллект - это способ действовать как люди [ цитата необходима ] . Действительно, характеристика «интеллект» обычно приписывается [ кем? ] людям. В последнее время многие продукты и предметы также утверждают, что они «умные», что напрямую связано с рассуждениями и принятием решений [ требуется дальнейшее объяснение ] .
История
Источник: [5] 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 преобразовался 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 связали с вычислительным интеллектом в 2011 г. (Доте и Оваска).
Но первое четкое определение вычислительного интеллекта было введено Бездеком в 1994 году: [1] система называется вычислительно интеллектуальной, если она имеет дело с низкоуровневыми данными, такими как числовые данные, имеет компонент распознавания образов и не использует знания в Чувство искусственного интеллекта, 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 разграничили КИ от ИИ, утверждая, что первый основан на методах мягких вычислений , тогда как ИИ основан на методах жестких вычислений.
Разница между вычислительным и искусственным интеллектом
Хотя искусственный интеллект и вычислительный интеллект преследуют аналогичную долгосрочную цель: достичь общего интеллекта , который является интеллектом машины, способной выполнять любую интеллектуальную задачу, которую может выполнить человек; между ними есть явная разница. Согласно Бездеку (1994), вычислительный интеллект - это разновидность искусственного интеллекта.
Существует два типа машинного интеллекта: искусственный, основанный на жестких вычислениях, 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 (логические значения 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 значения 0 и 1. Здесь могут быть полезны методы мягких вычислений, основанные на нечеткой логике. [6] 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 . [7] 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. [8]
Пять основных принципов CI и его приложений
Основные приложения вычислительного интеллекта включают информатику , инженерию, анализ данных и биомедицину .
Нечеткая логика
Как объяснялось ранее, нечеткая логика , один из основных принципов CI, заключается в измерениях и моделировании сложных процессов в реальной жизни. [3] 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 приложений этого принципа. [1]
Нечеткая логика в основном полезна для приблизительного рассуждения и не обладает способностями к обучению [1] - квалификацией, столь необходимой для людей. [ необходимая цитата ] Это позволяет им улучшить себя, извлекая уроки из своих предыдущих ошибок.
Нейронные сети
Вот почему специалисты CI работают над созданием искусственных нейронных сетей на основе биологических , которые можно определить тремя основными компонентами: клеткой-телом, обрабатывающей информацию, аксоном, который является устройством, обеспечивающим передачу сигнала, и синапс, управляющий сигналами. Таким образом, искусственные нейронные сети очень популярны в распределенных системах обработки информации [9], позволяя процесс и обучение на основе экспериментальных данных. Работая по-человечески, отказоустойчивость также является одним из главных достоинств этого принципа. [1]
Что касается приложений, нейронные сети можно разделить на пять групп: анализ и классификация данных, ассоциативная память, кластеризация, генерация шаблонов и управление. [1] Как правило, этот метод направлен на анализ и классификацию медицинских данных, переход к обнаружению лиц и мошенничества, и, что наиболее важно, устранение нелинейностей системы с целью ее контроля. [10] Кроме того, технологии нейронных сетей разделяют с методами нечеткой логики преимущество включения кластеризации данных .
Эволюционные вычисления
На основе процесса естественного отбора, впервые представленного Чарльзом Робертом Дарвином , эволюционные вычисления заключаются в использовании силы естественной эволюции для создания новых искусственных эволюционных методологий. [11] [ необходима страница ] 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 многокритериальная оптимизация , к которым применяются традиционные математические методы уже недостаточно для решения широкого круга задач, таких как анализ ДНК , задачи планирования ... [1]
Теория обучения
Теория обучения, все еще ищущая способ «рассуждать», близкий к человеческому, является одним из основных подходов КИ. В психологии обучение - это процесс объединения когнитивных, эмоциональных и средовых эффектов и опыта с целью приобретения, улучшения или изменения знаний, навыков, ценностей и мировоззрений (Ormrod, 1995; Illeris, 2004). [1] Изучение теорий затем помогает понять, как обрабатываются эти эффекты и опыт, а затем помогает делать прогнозы, основанные на предыдущем опыте. [12]
Вероятностные методы
Будучи одним из основных элементов нечеткой логики, вероятностные методы, впервые введенные Полом Эрдосом и Джоэлем Спенсером [1] (1974), направлены на оценку результатов вычислительной интеллектуальной системы, в основном определяемых случайностью . [13] Таким образом, вероятностные методы выявляют возможные решения проблемы, основанные на предварительных знаниях.
Влияние на университетское образование
Согласно библиометрическим исследованиям, вычислительный интеллект играет ключевую роль в исследованиях. [14] Все крупные академические издательства принимают рукописи, в которых обсуждается комбинация нечеткой логики, нейронных сетей и эволюционных вычислений. С другой стороны, вычислительный интеллект недоступен в университетской программе . [15] 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 . [16] Иногда это преподается как подпроект в существующих вводных курсах, но в большинстве случаев университеты предпочитают курсы по классическим концепциям ИИ, основанным на логической логике, машинах Тьюринга и игрушечных задачах, таких как мир блоков.
С течением времени с развитием STEM-образования ситуация немного изменилась. [17] Существуют некоторые попытки, в которых предпочтение отдается междисциплинарным подходам, которые позволяют учащемуся понять сложные адаптивные системы. [18] Эти цели обсуждаются только на теоретической основе. Учебные программы реальных университетов еще не адаптированы.
Публикации
- Транзакции IEEE в нейронных сетях и обучающих системах
- Транзакции IEEE в нечетких системах
- Транзакции IEEE по эволюционным вычислениям
- Транзакции IEEE по новым темам в области вычислительного интеллекта
- IEEE Transactions по автономному умственному развитию
- Транзакции IEEE / ACM по вычислительной биологии и биоинформатике
- IEEE Transactions по вычислительному интеллекту и искусственному интеллекту в играх
- IEEE Transactions по NanoBioscience
- IEEE Transactions по информационной криминалистике и безопасности
- Транзакции IEEE об эффективных вычислениях
- Транзакции IEEE в интеллектуальной сети
- IEEE Transactions по нанотехнологиям
- Системный журнал IEEE
Смотрите также
- Когнитивная робототехника
- Вычислительные финансы и вычислительная экономика
- Концепция майнинга
- Развитая робототехника
- Сбор данных
- Эволюционная робототехника
- Инженерия, основанная на знаниях
- Естественные вычисления
- Международное совещание по методам компьютерного интеллекта в биоинформатике и биостатистике
Заметки
- Вычислительный интеллект: введение Андриеса Энгельбрехта. Wiley & Sons. ISBN 0-470-84870-7
- Вычислительный интеллект: логический подход Дэвида Пула, Алана Макворта, Рэнди Гобеля. Издательство Оксфордского университета. ISBN 0-19-510270-3
- Вычислительный интеллект: методологическое введение Крузе, Боргельта, Клавона, Моуэса, Штайнбрехера, Хельда, 2013 г., Спрингера, ISBN 9781447150121
Рекомендации
- ^ Б с д е е г ч я J K Сиддик, Назмул; Адели, Ходжат (2013). Вычислительный интеллект: синергия нечеткой логики, нейронных сетей и эволюционных вычислений . Джон Вили и сыновья. ISBN 978-1-118-53481-6.
- ^ Рутковски, Лешек (2008). Вычислительный интеллект: методы и приемы . Springer. ISBN 978-3-540-76288-1.
- ^ а б «Нечеткая логика» . WhatIs.com . Маргарет Роуз. Июль 2006 г.
- ↑ Beni, G., Wang, J. Swarm Intelligence in Cellular Robotic Systems, Proceed. Продвинутый семинар НАТО по роботам и биологическим системам, Тоскана, Италия, 26–30 июня (1989 г.)
- ^ "История общества вычислительного интеллекта IEEE" . Wiki истории инженерии и технологий . 22 июля 2014 . Проверено 30 октября 2015 года .
- ^ «Искусственный интеллект, вычислительный интеллект, мягкие вычисления, естественные вычисления - в чем разница? - ANDATA» . www.andata.at . Проверено 5 ноября 2015 года .
- ^ «Нечеткие множества и распознавание образов» . www.cs.princeton.edu . Проверено 5 ноября 2015 года .
- ^ Р. Пфайфер. 2013. Глава 5: НЕЧЕТКАЯ логика. Конспект лекций «Реальные вычисления». Цюрих. Цюрихский университет.
- ^ Стерджиу, Христос; Сиганос, Димитриос. «Нейронные сети» . СЮРПРИЗ 96 Журнал . Имперский колледж Лондона . Архивировано из оригинала 16 декабря 2009 года . Проверено 11 марта 2015 года .
- ^ Сомерс, Марк Джон; Казаль, Хосе К. (июль 2009 г.). «Использование искусственных нейронных сетей для моделирования нелинейности» (PDF) . Организационные методы исследования . 12 (3): 403–417. DOI : 10.1177 / 1094428107309326 . S2CID 17380352 . Проверено 31 октября 2015 года .
- ^ Де Йонг, К. (2006). Эволюционные вычисления: единый подход . MIT Press. ISBN 9780262041942.
- ^ Уоррелл, Джеймс. «Вычислительная теория обучения: 2014-2015» . Оксфордский университет . Страница презентации курса CLT. Оксфордский университет . Проверено 11 февраля 2015 года .
- ^ Palit, Ajoy K .; Попович, Добривое (2006). Вычислительный интеллект в прогнозировании временных рядов: теория и инженерные приложения . Springer Science & Business Media. п. 4. ISBN 9781846281846.
- ^ НИС ЯН ВАН ЭКК и ЛЮДО УОЛТМАН (2007). «Библиометрическое отображение области вычислительного интеллекта». Международный журнал неопределенности, нечеткости и систем, основанных на знаниях . World Scientific Pub Co Pte Lt. 15 (5): 625-645. DOI : 10.1142 / s0218488507004911 .
- ^ Минаи, Афсане и Санати-Мехризи, Паймон и Санати-Мехризи, Али и Санати-Мехризи, Реза (2013). «Курс вычислительного интеллекта в программах бакалавриата по информатике и инженерии». Возраст . 23 : 1.CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Мэнцзе Чжан (2011). «Опыт преподавания вычислительного интеллекта в курсах бакалавриата [образовательный форум]». Журнал IEEE Computational Intelligence Magazine . Институт инженеров по электротехнике и радиоэлектронике (IEEE). 6 (3): 57–59. DOI : 10.1109 / mci.2011.941591 .
- ^ Саманта, Бисванатх (2011). Вычислительный интеллект: инструмент для междисциплинарного образования и исследований . Материалы ежегодной конференции Северо-восточной секции ASEE 2011 г., Хартфордский университет.
- ^ ГКК Венаягамурти (2009). «Успешный междисциплинарный курс по совместной разведке». Журнал IEEE Computational Intelligence Magazine . Институт инженеров по электротехнике и радиоэлектронике (IEEE). 4 (1): 14–23. DOI : 10.1109 / mci.2008.930983 .