Вычислительный интеллект: обучение и адаптация в сложных системах

Введение

Способность компьютера к обучению выполнению конкретной задачи на основе данных или экспериментальных наблюдений.

Выражение «вычислительный интеллект» (CI) обычно относится к способности компьютера к обучению выполнению конкретной задачи на основе данных или экспериментальных наблюдений. Несмотря на то, что его часто считают синонимом «мягких вычислений», общепринятого определения вычислительного интеллекта до сих пор не существует. В целом, вычислительный интеллект – это набор вычислительных методологий и подходов, вдохновленных природой, для решения сложных реальных задач, для которых математическое или традиционное моделирование может оказаться бесполезным по ряду причин: процессы могут быть слишком сложными для математического анализа, они могут содержать неопределенности в ходе выполнения, или процесс может быть изначально стохастическим. Действительно, многие реальные проблемы невозможно представить в двоичном коде (уникальные значения 0 и 1) для обработки компьютером. Таким образом, вычислительный интеллект предоставляет решения для таких проблем. Используемые методы близки к человеческому способу рассуждения, то есть он оперирует неточными и неполными знаниями и способен генерировать управляющие действия адаптивным образом. CI, следовательно, использует комбинацию пяти основных взаимодополняющих техник: искусственные нейронные сети, позволяющие системе обучаться на опытных данных, функционируя подобно биологическим, эволюционные вычисления, основанные на процессе естественного отбора, теории обучения и вероятностные методы, помогающие справляться с неопределенностью и неточностью, а также искусственные иммунные системы, которые можно рассматривать как часть эволюционных вычислений. К ним также относятся обработка изображений, интеллектуальный анализ данных, обработка естественного языка и искусственный интеллект, который часто путают с вычислительным интеллектом. Однако, хотя и вычислительный интеллект (CI), и искусственный интеллект (AI) преследуют схожие цели, между ними существует четкое различие. Вычислительный интеллект, таким образом, представляет собой способ функционирования, подобный человеческому. Действительно, характеристика «интеллект» обычно приписывается человеку. В последнее время многие продукты и предметы также заявляют о своей «умности» – атрибуте, напрямую связанном с рассуждениями и принятием решений.

The expression computational intelligence (CI) usually refers to the ability of a computer to learn a specific task from data or experimental observation. Even though it is commonly considered a synonym of soft computing, there is still no commonly accepted definition of computational intelligence. Generally, computational intelligence is a set of nature inspired computational methodologies and approaches to address complex real world problems to which mathematical or traditional modelling can be useless for a few reasons: the processes might be too complex for mathematical reasoning, it might contain some uncertainties during the process, or the process might simply be stochastic in nature. Indeed, many real life problems cannot be translated into binary language (unique values of 0 and 1) for computers to process it. Computational Intelligence therefore provides solutions for such problems. The methods used are close to the human's way of reasoning, i. e. it uses inexact and incomplete knowledge, and it is able to produce control actions in an adaptive way. CI therefore uses a combination of five main complementary techniques. artificial neural networks which permits the system to learn experiential data by operating like the biological one, evolutionary computing, which is based on the process of natural selection, learning theory, and probabilistic methods which helps dealing with uncertainty imprecision. and artificial immune systems, which can be seen as a part of evolutionary computation, image processing, data mining, natural language processing, and artificial intelligence, which tends to be confused with Computational Intelligence. But although both Computational Intelligence (CI) and Artificial Intelligence (AI) seek similar goals, there's a clear distinction between them. Computational Intelligence is thus a way of performing like human beings. Indeed, the characteristic of "intelligence" is usually attributed to humans. More recently, many products and items also claim to be "intelligent", an attribute which is directly linked to the reasoning and decision making.

Пять основных алгоритмических подходов к ИК и их применение

Основные области применения 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 процессов, характерных для сложных процессов реальной жизни, что обеспечивает функционирование процесса и обучение на основе эмпирических данных. Подобно тому, как рассуждают люди, устойчивость к ошибкам также является важным преимуществом этого принципа. Более того, методы нейронных сетей разделяют с нечеткой логикой способность к кластеризации данных.

Эволюционные вычисления

Эволюционные вычисления можно рассматривать как семейство методов и алгоритмов глобальной оптимизации, обычно основанных на популяции кандидатных решений. Они вдохновлены биологической эволюцией и часто обобщаются под названием эволюционные алгоритмы. К ним относятся генетические алгоритмы, эволюционные стратегии, генетическое программирование и многие другие. Они рассматриваются как средства решения задач, не поддающихся решению традиционными математическими методами, и часто применяются для оптимизации, включая многокритериальную оптимизацию.

Теория обучения

Теория обучения, по-прежнему стремящаяся найти способ "рассуждения", близкий к человеческому, является одним из основных подходов в искусственном интеллекте. В психологии обучение – это процесс объединения когнитивных, эмоциональных и внешних воздействий и опыта для приобретения, улучшения или изменения знаний, умений, ценностей и взглядов на мир (Ormrod, 1995; Illeris, 2004).

Вероятностные методы

Будучи одним из основных элементов нечёткой логики, вероятностные методы были впервые представлены Полом Эрдосом и Джоэлем Спенсером. Следовательно, вероятностные методы позволяют выявить возможные решения проблемы, опираясь на априорные знания.

Влияние на университетское образование

Согласно исследованиям в области библиометрии, вычислительный интеллект играет ключевую роль в научных исследованиях. Все крупные академические издательства принимают рукописи, в которых рассматривается сочетание нечеткой логики, нейронных сетей и эволюционных вычислений. С другой стороны, вычислительный интеллект практически отсутствует в университетских учебных программах. Количество технических университетов, предлагающих соответствующие курсы, ограничено. Только Университет Британской Колумбии, Технический университет Дортмунда (принимавший участие в европейском развитии нечеткой логики) и Университет Южной Джорджии предлагают курсы по данной области. Основная причина, по которой ведущие университеты не уделяют должного внимания этой теме, заключается в нехватке ресурсов. Существующие курсы компьютерных наук настолько насыщены, что в конце семестра не остается времени для изучения нечеткой логики. Иногда она преподается в виде подпроекта в рамках вводных курсов, но в большинстве случаев университеты предпочитают курсы, посвященные классическим концепциям искусственного интеллекта, основанным на булевой логике, машинам Тьюринга и упрощенным задачам, таким как мир блоков. Однако, с ростом популярности STEM-образования, ситуация несколько изменилась. Появились попытки внедрения междисциплинарных подходов, позволяющих студентам понимать сложные адаптивные системы. Эти цели обсуждаются пока только в теоретическом плане, а учебные программы реальных университетов еще не были адаптированы.