Базы данных
Visual FoxPro Конструктор форм Создание отчета Справочная система Управление проектом Библиотеки классов Публикация данных на Web-сервере Java
Интегрирование рациональных функций
Математическая логика
Сетевые сервисы
Сети
	Место и роль локальных сетей Системы передачи информации Первообразная и производная Топология локальных сетей Топология «шина» Топология «звезда» Топология «кольцо» Другие топологии Многозначность понятия топологии Выполнение графических работ Графические редакторы Коаксиальные кабели Оптоволоконные кабели Бескабельные каналы связи Согласование Кодирование информации Назначение пакетов и их структура Адресация пакетов Методы управления обменом Управление обменом в «звезда» Управление обменом в «шина» Управление обменом в кольцо Эталонная модель OSI Аппаратура локальных сетей Стандартные сетевые протоколы Стандартные сетевые средства Сетевые средства Novell Сетевые средства Microsoft и IBM Сетевые средства других фирм Сети Ethernet и Fast Ethernet Сеть Token-Ring Сеть Arcnet Сеть FDDI Ceть lOOVG-AnyLAN Сверхвысокоскоростные сети Классические алгоритмы шифрования Стандартные методы шифрования Средства защиты информации Метод управления обменом CSMA/CD Алгоритм доступа к сети Оценка производительности сети Использование помехоустойчивых кодов Способы снижения числа ошибок Характеристики помехоустойчивых кодов Циклические коды (CRC) Аппаратура 10BASE5 Аппаратура 1 OB ASE2 Аппаратура 10BASE-T Аппаратура 1OBASE-FL Аппаратура 100ВASE-TX Аппаратура 100ВASE-T4 Аппаратура 100ВASE-FX Автоматическое определение типа сети Адаптеры Ethernet и Fast Ethernet Характеристики адаптеров Адаптеры с внешними трансиверами Репитеры и концентраторы Ethernet и Fast Ethernet Функции репитеров и репитерных концентраторов Концентраторы класса I и класса II Коммутирующие концентраторы Коммутаторы Cut-Through Коммутаторы Store-and-Forward Мосты и маршрутизаторы Функции мостов Функции маршрутизаторов Выбор конфигурации Ethernet Правила модели 1 Расчет по модели 2 Выбор конфигурации Fast Ethernet Правила модели 1 Расчет по модели 2 Выбор размера сети и ее структуры Выбор оборудования Выбор сетевых программных средств Формулы Шеннона Типы линий передачи Структура модема Методы модуляции Особенности стандартов V.34 и V.90 Классификация модемов Программные средства для модемов

Обзор исследований в области искусственного интеллекта

"Искусственный интеллект (ИИ) — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т.е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы и т.д."

Исследования в области искусственного интеллекта начались практически сразу же после появления компьютеров и первых опытов по их применению для других, более "приземленных" целей. Все началось с того, что вскоре после окончания Второй мировой войны

Фундаментальная идея, которая появилась в результате этих первых опытов, получила наименование поиск в пространстве состояний. По существу, идея очень проста. Множество проблем можно сформулировать в терминах трех важнейших ингредиентов

Поскольку слепой поиск возможен только в небольшом пространстве вариантов, напрашивается совершенно естественный вывод, что необходим некоторый способ направленного поиска. Если такой способ использует при поиске пути на графе в пространстве состояний некоторых знаний, специфических для конкретной предметной области, его принято называть эвристическим поиском.

Период от середины 60-х до середины 70-х я называю "романтическим" в истории исследований искусственного интеллекта. В это время внимание исследователей сосредоточилось в основном на проблеме машинного "понимания", т.е. способности воспринимать естественный язык человека, в частности вести осмысленный диалог.

Кульминационным моментом этой эпохи явилась разработка Виноградом [Winograd, 1972] системы SHRDLU, которая понимала довольно представительное подмножество слов английского языка и делала определенные выводы в ограниченной области (в мире, построенном из деталей детского конструктора).

Независимо от того, насколько это вторжение в науку о познании было продуктивным для психологии, оно способствовало весьма существенному прогрессу в информатике. Ньюэлл (Newell) и Саймон (Simon) предложили схему, известную как набор порождающих правил (production rules). интегрирование по частям Математика Примеры решения задач

Период, который я называю периодом модернизма , продолжался с середины 70-х до конца 80-х годов. Он характеризуется значительным прогрессом в области экспертных систем, так называемой "зимней спячкой" в области "чистого" искусственного интеллекта, интерес к которому возобновился с появлением Всемирной паутины.

В период модернизма возросла уверенность, что эвристические возможности "решателя" проблем определяются представлением в явной форме соответствующих зданий, доступных программе, а не применением какого-то изощренного механизма определения взаимовлияния или сложных оценочных функций. Значительные усилия были направлены на разработку методов разбиения знаний, присущих человеку, на модули, которые можно было бы активизировать по заданной схеме (см. врезку 2.5). Уже при первых попытках сымитировать процесс разрешения проблем, характерный для человеческого разума (например, в работе [Newell and Simon, 1972]), исследователи столкнулись с ограниченными возможностями представления знаний и необходимостью упростить механизм их взаимовлияний, хотя более поздние исследования и помогли в определенной степени преодолеть эти трудности (об этом мы поговорим в главах 11-18).

В первой части периода модернизма среди исследователей, занимавшихся "чистыми" проблемами искусственного интеллекта, очень распространенным было настроение критической самооценки. Одним из его симптомов была оживленная дискуссия между сторонниками формальных и неформальных методов

Почему пакет программ статистического анализа нельзя считать программой искусственного интеллекта?