Invatarea in Sistemele cu Inteligenta Artificiala

Imagine preview
(6/10 din 4 voturi)

Acest referat descrie Invatarea in Sistemele cu Inteligenta Artificiala.
Mai jos poate fi vizualizat un extras din document (aprox. 2 pagini).

Arhiva contine 2 fisiere doc, ppt de 17 pagini (in total).

Profesor indrumator / Prezentat Profesorului: Gheorghiu Diana

Iti recomandam sa te uiti bine pe extras 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

Extras din document

In cadrul Inteligentei Artificiale, problemele de invatare, ocupa un loc aparte. Aceste preocupari se constituie intr-o directie distincta de cercetare, ce a masinilor autoinstruibile. Invatarea automata reprezinta studiul modelelor de sisteme capabile sa-si imbunatateasca performantele in mod semnificativ utilizand o multime de date de instruire.

Din pacate sistemele cu inteligenta artificiala obisnuite au posibilitati de invatare foarte reduse sau nu au deloc. Intreaga cunoastere necesara acestor sisteme trebuie sa fie programata in ele. Sistemele nu isi pot corecta erorile sin u isi pot imbunatati performantele prin experiente si nici nu pot invata prin experimentare. Nu pot genera automat algoritmi, solutii prin analogie cu cele vechi. Sistemelor le lipseste abilitatea de a face inferente inductive. Aproape toate sistemele cu inteligenta artificiala sunt sisteme deductive, adica pot trage concluzii asupra informatiilor incorporate dar nu pot genera singure noi cunostinte.

Una din noile directii de cercetare in IA ar trebui sa fie intelegerea naturii invatarii si implementarea in masini a capacitatii de invatare. Aceasta capacitate se intelege ca un spectru larg de activitati de prelucrare a informatiilor mergand de la memorarea directa a faptelor si achizitionarea prin limitare a unor abilitati simple pana la procese inferentiare foarte complicate, conducand astfel la noi concepte si descoperirea de cunostinte noi.

Existe in present programe capabile:

-Sa formuleze concepte noi si sa descopere multimea datelor, regulatitati necunoscute;

-Sa faca analogii interesante;

-Sa invete automat teoristici pentru rezolvarea problemelor.

Realizarea masinilor autoinstruibile adduce progrese notabile in domenii ale IA cum ar fi sisteme complexe bazate pe cunoastere, intelegerea vorbirii si vederea artificiala.

Orice miscare aflata inafara competentei sale face ca performantele sale sa scada rapid. Acest fenomen este numit fragilitatea cunoasterii. Pentru a evita aparitia lui in sistem trebuie incarcata toata cunoasterea reclamata de scopul urmarit. Aceasta sarcina ar putea fi simplificata utilizand metode de autoinstruire a masinilor. Aceasta metoda ar putea permite unui sistem sa dezvolte reguli de decizie pornind de la exemplele furnizate de catre deciziile expertilor sau utilizand analiza automata a faptelor din baza de date a sistemelor.

II. Directii de cercetare privind masini instruibile

Se pot distinge urmatoarele directii majore de cercetare:

- Modelare neuronala si tehnici bazate pe teoria deciziilor;

- Achizitia simbolica a conceptelor

- Invatarea unui domeniu specific.

II.1. Modelare neuronala

Aceasta incearca sa dezvolte sisteme instruibile pentru scopuri generale, care pornesc cu o cantitate mica de cunostinte initiale. Astfel de sisteme se numesc retele neuronale sau sisteme cu auto- organizare. Acest sistem consta dintr-o retea de elemente de tip neuroni, interconectate, care realizeaza anumite functii logice simple. Acesta invata prin modificarea intensitatii de conexiune dintre elemente. Cunoasterea initiala ce este furnizata sistemului este reprezentata de caracteristicile obiectelor considerate si de o configuratie initiala a retelei. Aceasta categorie de sisteme include perceptronul si pandemoniul. Alte directii inrudite sunt invatarea evolutiva si algoritmii genetici.

II.2. Achizitia simbolica

In achizitia simbolica a conceptelor (ASC) sistemul invata construind o reprezentare simbolica a unei multimi date de concepte. Aceasta reprezentare poate fi sub forma de expresii logice, arbori de decizie, reguli de productie sau retele semantice.

II.3. Invatarea unui domeniu

In invatarea unui domeniu specific sistemul contine numeroase concepte predefinite, structuri de reprezentare a cunostintelor, restrictiile domeniului si reguli euristice. Un system bazat pe aceasta abordare este dezvoltat pe un domeniu particular sin u poate fi folosit in alt domeniu. Strategiile de invatare folosite sunt invatarea din exemple, invatarea prin analogie si invatarea prin observatii si decsoperiri.

Fisiere in arhiva (2):

  • Invatarea IA.doc
  • Invatarea IA.ppt