Inteligenta Artificiala

Imagine preview
(8/10 din 2 voturi)

Acest proiect trateaza Inteligenta Artificiala.
Mai jos poate fi vizualizat cuprinsul si un extras din document (aprox. 2 pagini).

Arhiva contine 1 fisier doc de 27 de pagini .

Iti recomandam sa te uiti bine pe extras, cuprins si pe imaginile oferite iar daca este ceea ce-ti trebuie pentru documentarea ta, il poti descarca. Ai nevoie de doar 6 puncte.

Domeniu: Inteligenta Artificiala

Cuprins

I. Obiective.2
1 De ce utilizarea tehnicilor de IA sunt importante?.2
II. Caracterizarea Inteligenţei Artificiale Computaţionale.4
1 Definiţii ale Inteligenţei Artificiale (IA).4
2 Sisteme de IA.4
a) Sisteme bazate pe cazuri.4
b) Reţele neuronale.6
c) Logica fuzzy.9
d) Algoritmi genetici.10
III. Tehnologii semantice.11
1 Ontologia.11
2 Ingineria ontologică.12
3 Semantic Web.14
IV. Sistemul expert.17
1 Prezentare. Definiţie.17
2 EXSYS Professional - Prezentare generală.18
3 Paşii procesului de achiziţie a cunoaşterii.19
4 Concepte de bază utilizate.19
5 Structura regulii de producţie şi metodele de lucru cu factorii de certitudine.19
6 Studiu de caz.20
V. Concluzii finale.26
Biliografie

Extras din document

I. Obiective

1 De ce utilizarea tehnicilor de IA sunt importante?

Inteligenţa artificială este un domeniu important din punct de vedere economic, prin capacitatea sa de a aborda noi clase de probleme, diferite de cele tratate de informatica clasică, cum ar fi: percepţia, luarea de decizii, planificarea, diagnoza, interpretarea semnalelor, înţelegerea limbajului natural, concepţia.

Aceste probleme acoperă activităţi umane dintre cele mai variate şi prezintă particularităţi comune care se bazează în mod fundamental pe exploatarea „inteligentă” a unor mari cantităţi de cunostinţe, specifice domeniului studiat.

Inteligenţa artificială simbolică a insistat în permanenţă asupra noţiunii de euristică, având contribuţii importante în domeniul limbajelor de programare.

Se constată o mare varietate a domeniilor pe care le poate aborda inteligenţa artificială simbolică, dintre care amintim: sistemele expert, procesarea imbajului natural, demonstrarea automată, învaţarea simbolică, planificarea roboţilor , recunoaşterea de forme, etc. Exemplele pot fi extinse.

Un lucru este important: nucleul comun al acestor domenii diverse îl constituie emularea comportamentelor intelectuale umane, folosind un formalism simbolic bazat pe logică formală. Acest nucleu comun al inteligenţei artificiale simbolice o diferenţiază de informatica clasică şi de alte domenii conexe, cum ar fi psihologia.

În rezumat, punctele forte ale inteligenţei artificiale sunt claritatea, modularitatea şi prezenţa structurilor, în timp ce punctele slabe actuale sunt procesarea impreciziei şi rigiditatea.

Inteligenţa reprezintă o anumită capacitate sau abilitate de a rezolva anumite probleme având la bază diferite tipuri de cunoştinţe. Inteligenţa poate fi analizată din mai multe puncte de vedere: inteligenţă economică şi inteligenţă artificială.

a) Inteligenţa economică reprezintă preocupările firmelor sau organizaţiilor de a crea sisteme informatice care să permită colectarea, procesarea, partajarea şi distribuirea de date şi informaţii prelucrate într-un mod abil în raport cu activitatea clienţilor, a competitorilor, sau a altor actori cu care firma interacţionează în diferite procese de afaceri. Inteligenţa economică pate avea diferite abordări:

- Inteligenţa în afaceri (Business Intelligence - BI) - cu metode centrate în jurul unei mulţimi mari de date şi informaţii pe care firmele le acumulează în timp şi în raport cu care metodele de BI trebuie să permită o serie de analize asupra tendinţei de evoluţie a firmei;

- Descoperirea de noi date, informaţii, cunoştinţe în seturi mari de date - folosind metode de corelare a unor informaţii aparent neevidente în diferite seturi de date, metode de analiză statistică, metode de predicţie;

- Procesarea inteligentă - bazată pe algoritmi euristici, genetici şi modele neuronale.

b) Inteligenţa Artificială are în centrul său construirea de sisteme în vederea rezolvării de probleme. Problemele pot fi: de clasificare, de planificare, de diagnoză, de învăţare.

BI este un concept generic care grupează sub aceeaşi umbrelă instrumente din domeniul afacerii şi al informaticii, utilizate în vederea transformării datelor în informaţii, a informaţiilor în decizii şi a deciziilor în acţiuni. Este definiţia pe care o consider cea mai reprezentativă. Aplicaţiile informatice utilizate în BI sunt diverse şi se referă la sisteme suport pentru luarea deciziei, raportări şi interogări, procesare analitică online a datelor (OLAP – On Line Analitical Processing), analize statistice, previzionări, sortarea datelor în vederea identificării de şabloane şi relaţii (data mining) etc. Sunt sisteme informatice inteligente. Soluţiile actuale de tip BI pot fi considerate ca o etapă importantă de integrare a domeniului afacerii cu cel al informaticii.

Utilizarea tehnologiilor înalte din Tehnologia Informaţiei (de exemplu, inteligenţa artificială (IA), sisteme expert etc.) şi din management (BPM – Business Process Management, Business Performance Management etc.) va face posibilă o simbioză între cele două domenii.

În lucrarea de faţă va fi prezentat doar un domeniu al acestei simbioze şi anume: tehnologiile înalte din Tehnologia Informaţiei.

Inteligenţa artificială reprezintă un domeniu al ştiinţei calculatoarelor care s-a constituit în scopul emulării comportamentului inteligent la maşini, în speţă la calculatoare.

Cunoştinţele reprezintă un amestec fluid de experienţă într-un anumit domeniu privind rezolvarea unei categorii de probleme; se bazează pe informaţii diverse, au un caracter activ şi se obţin într-un interval mare de timp. Ele se clasifică (după valoarea de adevăr) astfel:

Cunoştinţe - ferme (se sprijină pe un sistem logic formal-logica descriptivă);

- inexate (logica fuzzy)

- variabile în timp (temporale) (logica temporală)

Există mai multe tipologii de cunoştinţe existente într-o întreprindere, dar cele cu adevărat folositoare, esenţiale, care trebuie reţinute şi capitalizate sunt pe de o parte, know-how-ul (abilitatea de a proiecta, a construi, a vinde, etc. ) şi pe de altă parte, calificarea individuală şi colectivă (abilitatea de a acţiona, de a se adapta şi a se dezvolta).

Într-o altă perspectivă se disting elemente tangibile (date, proceduri, planuri, modele, documente de analiză şi sinteză) şi elemente intangibile (abilitate, iscusinţă profesională, cunoştinţe private, cunoştinţele companiei, etc.).

Abordarea acestora, prin prisma KM (Knowledge Management - managementul cunoştinţelor) se face diferit, prin diverse metode, respectiv, pentru cele tangibile în mod direct (managementul datelor, managementul documentelor, etc.), iar pentru cele intangibile este necesară în primul rând, o formalizare a know-how-ului, ceea ce presupune achiziţia şi reprezentarea cunoştinţelor .

Ansamblul cunoştinţelor într-o întreprindere formează capitalul intelectual care se caracterizează printr-o volatilitate foarte mare. Studiile de specialitate arată că peste 80 la sută din informaţiile şi cunoştinţele care formează memoria întreprinderii nu sunt integrate în sisteme informatice, acestea fiind stocate pe documente de hârtie sau în creierul experţilor, ele neputând fi exploatate direct şi în condiţii optime de toţi cei interesaţi. Or, managementul cunoştinţelor (KM), permite salvarea cunoştinţelor firmei şi asigură totodată difuzarea lor, favorizând schimbul şi cooperarea între actorii implicaţi în activitatea companiei şi care, abordează şi un mod general de organizare, ce nu mai are la bază centralizarea şi ierarhizarea, ci o întreagă reţea de noduri de schimb, încurajându-se astfel transversalitatea .

Pentru dezvoltarea unor sisteme inteligente bazate pe cunoştinţe, este necesară în primul rând folosirea celor mai adecvate modele de reprezentare a cunoaşterii, plecând de la tehnicile de inteligenţă artificială.

Sistemele de inteligenţă artificială utilizate mai mult în economie şi care vor fi prezentate în continuare această lucrare, pot fi clasificate în următoarele categorii principale: sisteme bazate pe cazuri (Case-based Reasoning) - care sunt sisteme de rezolvare a noilor probleme pe baza soluţiilor unor probleme anterioare similare, reţele neuronale (Network Neural) - care pot fi instruite să recunoască forme, mostre, modele, eşantioane probe, logici IA (descriptive, temporale, fuzzy), algoritmi genetici - care pot genera creşterea rigorii într-o soluţie a unei probleme prin generarea unui număr foarte mare de soluţii şi alegerea dintre acestea a celor mai bune pe care le utilizează pentru determinarea soluţiei finale care răspunde situaţiei reale.

Fisiere in arhiva (1):

  • Inteligenta Artificiala.doc