Основные направления исследований в области искусственного интеллекта

Нажмите для полного просмотра!

Основные направления исследований в области искусственного интеллекта, слайд №2

Основные направления исследований в области искусственного интеллекта, слайд №3

Основные направления исследований в области искусственного интеллекта, слайд №4

Основные направления исследований в области искусственного интеллекта, слайд №5

Основные направления исследований в области искусственного интеллекта, слайд №6

Основные направления исследований в области искусственного интеллекта, слайд №7

Основные направления исследований в области искусственного интеллекта, слайд №8

Основные направления исследований в области искусственного интеллекта, слайд №9

Основные направления исследований в области искусственного интеллекта, слайд №10

Основные направления исследований в области искусственного интеллекта, слайд №11

Основные направления исследований в области искусственного интеллекта, слайд №12

Основные направления исследований в области искусственного интеллекта, слайд №13

Основные направления исследований в области искусственного интеллекта, слайд №14

Основные направления исследований в области искусственного интеллекта, слайд №15

Основные направления исследований в области искусственного интеллекта, слайд №16

Основные направления исследований в области искусственного интеллекта, слайд №17

Основные направления исследований в области искусственного интеллекта, слайд №18

Основные направления исследований в области искусственного интеллекта, слайд №19

Основные направления исследований в области искусственного интеллекта, слайд №20

Основные направления исследований в области искусственного интеллекта, слайд №21

Основные направления исследований в области искусственного интеллекта, слайд №22

Основные направления исследований в области искусственного интеллекта, слайд №23

Основные направления исследований в области искусственного интеллекта, слайд №24

Основные направления исследований в области искусственного интеллекта, слайд №25

Основные направления исследований в области искусственного интеллекта, слайд №26

Основные направления исследований в области искусственного интеллекта, слайд №27

Основные направления исследований в области искусственного интеллекта, слайд №28

Основные направления исследований в области искусственного интеллекта, слайд №29

Основные направления исследований в области искусственного интеллекта, слайд №30

Основные направления исследований в области искусственного интеллекта, слайд №31

Основные направления исследований в области искусственного интеллекта, слайд №32

Основные направления исследований в области искусственного интеллекта, слайд №33

Основные направления исследований в области искусственного интеллекта, слайд №34

Основные направления исследований в области искусственного интеллекта, слайд №35

Основные направления исследований в области искусственного интеллекта, слайд №36

Основные направления исследований в области искусственного интеллекта, слайд №37

Основные направления исследований в области искусственного интеллекта, слайд №38

Основные направления исследований в области искусственного интеллекта, слайд №39

Основные направления исследований в области искусственного интеллекта, слайд №40

Основные направления исследований в области искусственного интеллекта, слайд №41

Основные направления исследований в области искусственного интеллекта, слайд №42

Основные направления исследований в области искусственного интеллекта, слайд №43

Основные направления исследований в области искусственного интеллекта, слайд №44

Основные направления исследований в области искусственного интеллекта, слайд №45

Основные направления исследований в области искусственного интеллекта, слайд №46

Основные направления исследований в области искусственного интеллекта, слайд №47

Основные направления исследований в области искусственного интеллекта, слайд №48

Основные направления исследований в области искусственного интеллекта, слайд №49

Основные направления исследований в области искусственного интеллекта, слайд №50

Основные направления исследований в области искусственного интеллекта, слайд №51

Основные направления исследований в области искусственного интеллекта, слайд №52

Основные направления исследований в области искусственного интеллекта, слайд №53

Основные направления исследований в области искусственного интеллекта, слайд №54

Основные направления исследований в области искусственного интеллекта, слайд №55

Основные направления исследований в области искусственного интеллекта, слайд №56

Основные направления исследований в области искусственного интеллекта, слайд №57

Основные направления исследований в области искусственного интеллекта, слайд №58

Основные направления исследований в области искусственного интеллекта, слайд №59

Основные направления исследований в области искусственного интеллекта, слайд №60

Основные направления исследований в области искусственного интеллекта, слайд №61

Основные направления исследований в области искусственного интеллекта, слайд №62

Основные направления исследований в области искусственного интеллекта, слайд №63

Основные направления исследований в области искусственного интеллекта, слайд №64

Основные направления исследований в области искусственного интеллекта, слайд №65

Основные направления исследований в области искусственного интеллекта, слайд №66

Основные направления исследований в области искусственного интеллекта, слайд №67

Основные направления исследований в области искусственного интеллекта, слайд №68

Основные направления исследований в области искусственного интеллекта, слайд №69

Основные направления исследований в области искусственного интеллекта, слайд №70

Основные направления исследований в области искусственного интеллекта, слайд №71

Основные направления исследований в области искусственного интеллекта, слайд №72

Основные направления исследований в области искусственного интеллекта, слайд №73

Основные направления исследований в области искусственного интеллекта, слайд №74

Основные направления исследований в области искусственного интеллекта, слайд №75

Основные направления исследований в области искусственного интеллекта, слайд №76

Основные направления исследований в области искусственного интеллекта, слайд №77

Основные направления исследований в области искусственного интеллекта, слайд №78

Основные направления исследований в области искусственного интеллекта, слайд №79

Основные направления исследований в области искусственного интеллекта, слайд №80

Основные направления исследований в области искусственного интеллекта, слайд №81

Основные направления исследований в области искусственного интеллекта, слайд №82

Основные направления исследований в области искусственного интеллекта, слайд №83

Основные направления исследований в области искусственного интеллекта, слайд №84

Основные направления исследований в области искусственного интеллекта, слайд №85

Основные направления исследований в области искусственного интеллекта, слайд №86

Основные направления исследований в области искусственного интеллекта, слайд №87

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Основные направления исследований в области искусственного интеллекта. Доклад-сообщение содержит 87 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

ЛЕКЦИЯ 1 Основные направления исследований в области искусственного интеллекта

Слайд 2

Описание слайда:

Инженерия знаний Необходимой частью любой интеллектуальной системы являются знания. Понятие “инженерия знаний” в 1977 г. ввел Э. Фейгенбаум, который писал: «По опыту нам известно, что большая часть знаний в конкретной предметной области остается личной собственностью эксперта. И это происходит не потому, что он не хочет разглашать своих секретов, а потому, что он не в состоянии сделать этого — ведь эксперт знает гораздо больше, чем сам осознает».

Слайд 3

Описание слайда:

Данные, информация, знания Данными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. В процессах компьютерной обработки данные проходят следующие этапы преобразований: исходная форма существования данных (результаты наблюдений и измерений, таблицы, справочники, диаграммы, графики и т.д.);

Слайд 4

Описание слайда:

Данные, информация, знания представление на специальных языках описания данных, предназначенных для ввода и обработки исходных данных в ЭВМ; базы данных на машинных носителях информации.

Слайд 5

Описание слайда:

Данные, информация, знания На практике часто отождествляются определения таких понятий, как "информация", "данные", "знания". Однако эти понятия необходимо различать. Данные несут в себе сведения о событиях, произошедших в материальном мире, и являются регистрацией сигналов, возникших в результате этих событий. Однако данные не тождественны информации. Станут ли данные информацией - зависит от того, известен ли метод преобразования данных в известные понятия.

Слайд 6

Описание слайда:

Данные, информация, знания

Слайд 7

Описание слайда:

Данные, информация, знания

Слайд 8

Описание слайда:

Данные, информация, знания

Слайд 9

Описание слайда:

Данные, информация, знания

Слайд 10

Описание слайда:

Данные, информация, знания

Слайд 11

Описание слайда:

Данные, информация, знания

Слайд 12

Описание слайда:

Данные, информация, знания

Слайд 13

Описание слайда:

Данные, информация, знания

Слайд 14

Описание слайда:

Данные, информация, знания

Слайд 15

Описание слайда:

Данные, информация, знания

Слайд 16

Описание слайда:

Данные, информация, знания

Слайд 17

Описание слайда:

Данные, информация, знания

Слайд 18

Описание слайда:

Категория “знания” Знания в ИИС существуют в следующих формах: исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т. д.);

Слайд 19

Описание слайда:

Категория “знания” описание исходных знаний средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, иерархии фреймов и т.п.; представление знаний структурами данных для хранения и обработки в ЭВМ; базы знаний на машинных носителях информации.

Слайд 20

Описание слайда:

Определение “знания” Из толкового словаря С. И. Ожегова: «Знание — постижение действительности сознанием, наука»; «Знание — это совокупность сведений, познаний в какой-либо области». Из японского толкового словаря: «Знания — это результат, полученный познанием», или, более подробно, «система суждений с принципиальной и единой организацией, основанная на объективной закономерности».

Слайд 21

Описание слайда:

Определение “знания” Исследователи в области ИИ : «Знания — это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области». «Знания — это хорошо структурированные данные или данные о данных, или метаданные». «Знания — формализованная информация, на которую ссылаются или используют в процессе логического вывода» .

Слайд 22

Описание слайда:

Разработка интеллектуальных информационных систем или систем, основанных на знаниях. Цель - выявление, исследование и применение знаний экспертов для решения сложных задач, возникающих на практике, имитация человеческого искусства анализа неструктурированных и слабоструктурированных проблем. Частным случаем являются экспертные системы (ЭС).

Слайд 23

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Машинный перевод–выполняемое на компьютере действие по преобразованию текста на одном естественном языке в эквивалентный по содержанию текст на другом языке, а также результат такого действия.

Слайд 24

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. «Лингвистический арифмометр» Смирнова-Троянского В 1933 году изобретатель П.П.Смирнов-Троянский получил в СССР патент на механическую «машину для подбора и печатания слов при переводе с одного языка на другой» -«Лингвистический арифмометр» . Он предложил и автоматический двуязычный словарь, и схему кодирования межъязыковых грамматических соответствий; правда, только для «синтетического» языка эсперанто.

Слайд 25

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. 40-е годы −первые системы МП Теоретической основой начального периода работ по машинному переводу был взгляд на язык, как кодовую систему. В марте 1947 специалист по криптографии Уоррен Уивер в своем письме Норберту Винеру впервые поставил задачу машинного перевода, сравнив ее с задачей дешифровки. В 1949 г. он составил меморандум, в котором теоретически обосновал принципиальную возможность создания систем машинного перевода.

Слайд 26

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Концепция Interlingva Идеи Уивера легли в основу подхода к МП, основанного на концепции Interlingva: стадия передачи информации разделена на два этапа. На первом этапе исходное предложение переводится на язык-посредник (созданный на базе упрощенного английского языка), На втором этапе результат этого перевода представляется средствами выходного языка.

Слайд 27

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Первые системы МП В 1952 г. состоялась первая конференция по МП в Массачусетском технологическом университете. В 1954 г. Джорджтаунский эксперимент. В Нью-Йорке была представлена первая система МП —IBM Mark II(словарь в 250 единиц и 6 грамматических правил), осуществлявшая перевод с русского языка на английский. В 1954 г. первый эксперимент по МП был осуществлен в СССР И.К. Бельской и Д.Ю. Пановым в Институте точной механики и вычислительной техники АН СССР. Первая система МП с английского языка на русский на универсальной вычислительной машине была разработана коллективом под руководством Ю. А. Моторина.

Слайд 28

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Системы прямого перевода Причины невысокого качества МП в 50-е годы были: ограниченные возможности аппаратных средств: малый объем памяти; низкая скорость доступа к информации; невозможность полноценного использования языков программирования высокого уровня; отсутствие теоретической базы по компьютерной лингвистики. Системы МП первого поколения –системы прямого перевода (СПП)–представляли собой программно-аппаратные комплексы, анализирующие текст пословно «слово за словом» (word-to-word) без синтаксической и смысловой целостности.

Слайд 29

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Системы МП в 60-е годы Разработка систем МП в 60-е годы: в США при финансировании Мормонской церкви; в Канаде (например система METEO); в Европе —группами GENA (Гренобль) и SUSY (Саарбрюкен); в СССР (Москва) отечественными лингвистами (И.А. Мельчук и Ю.Д. Апресян) —лингвистический процессор ЭТАП.

Слайд 30

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Новый импульс в разработке систем МП (70-80-е годы) Новый подъем исследований в области МП был связан с серьезными достижениями в области искусственного интеллекта, а создание систем машинного перевода было осмыслено в 1970-е годы как одна из частных задач этого нового исследовательского направления. Исследователи ставили целью развитие «реалистических» систем МП, предполагавших участие человека на различных стадиях процесса перевода.

Слайд 31

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Технология TM (translationmemory) В процессе перевода сохраняется исходный сегмент текста(предложение) и его перевод; если подобный исходному сегмент обнаруживается, он отображается вместе с переводом и указанием совпадения; затем переводчик принимает решение (редактировать, отклонить или принять перевод), результат которого сохраняется системой.

Слайд 32

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Советские системы МП 70-80 гг. В СССР с середины 70-х годов были созданы промышленные системы МП: АМПАР (английский-русский); НЕРПА (немецкий -русский); ФРАП (французский-русский); АСПЕРА (русский -английский). Автоматические терминологические словари. На этих разработках основываются такие системы МП, как Stylus, Socratи другие.

Слайд 33

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Stylus — система МП, включающая множество словарей по разным ПрО; Universal Translator — многоязычная система МП; Socrat — система, позволяющая сканировать документы, переводить их содержимое и проверять орфографию; Polyglossum — многоязычная система МП с широким набором предметных словарей; Promt — многоязычная система МП, содержащая множество словарей по разным ПрО; WebTranSite — система для перевода web-страниц; Lingvo — компьютерный англо-русский и русско-английский словарь.

Слайд 34

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод.

Слайд 35

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Проблему перевода английского предложения Е, скажем, во французское предложение F можно представить в виде следующего уравнения, предусматривающего применение правила Байеса:

Слайд 36

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Это правило указывает, что мы должны рассмотреть все возможные французские предложения F и выбрать из них то, которое максимизирует произведение Р(Е\ F) P(F). Коэффициент Р(Е) можно проигнорировать, поскольку он является одинаковым для любого F. Коэффициент Ρ (F) представляет собой языковую модель для французского языка; он указывает, насколько велика вероятность появления данного конкретного предложения во французском тексте.

Слайд 37

$Разработка естественно-языковых интерфейсов и машинный перевод. Вероятность P(E\F) представляет собой модель перевода; она указывает, насколько...$

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Вероятность P(E\F) представляет собой модель перевода; она указывает, насколько велика вероятность того, что некоторое английское предложение будет использоваться в качестве перевода, если дано определенное французское предложение.

Слайд 38

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. В качестве языковой модели P(F) может использоваться любая модель, позволяющая присвоить предложению определенное значение вероятности. При наличии очень большой совокупности текстов можно оценить Ρ (F) непосредственно путем подсчета количества случаев появления каждого предложения в этой совокупности текстов.

Слайд 39

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Например, если с помощью Web будет собрано 100 миллионов французских предложений и обнаружено, что предложение "Clique ici" (Щелкните здесь) появляется 50 тысяч раз, то Р( "Clique ici") равно 0,0005. Но даже при наличии 100 миллионов примеров количество экземпляров большинства возможных предложений будет равно нулю.

Слайд 40

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Поэтому как правило используется языковая модель двухсловных сочетаний, в которой вероятность французского предложения, состоящего из слов f1…fn, может быть представлена следующим образом:

Слайд 41

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Для этого необходимо знать вероятности двухсловных сочетаний, такие как Р("Eiffel" | "tour") = .02. Эти данные позволяют учитывать только самые локальные проявления синтаксических связей, в которых слово зависит лишь от предыдущего слова. Но этого часто достаточно для грубого перевода.

Слайд 42

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Задача выбора модели перевода, Р(Е|F), является более сложной. Начнем с одной чрезмерно упрощенной модели перевода, которая обнаружила свою способность вырабатывать приемлемые варианты перевода примерно в половине случаев.

Слайд 43

Описание слайда:

Разработка естественно-языковых интерфейсов и машинный перевод. Рассматриваемая чрезмерно упрощенная модель перевода основана на таком принципе: "Чтобы перевести предложение, просто переведите каждое слово отдельно, независимо от другого, в порядке слева направо". Это — модель выбора однословного сочетания. Она позволяет легко вычислить вероятность перевода:

Слайд 44

Описание слайда:

Системы автоматического реферирования и аннотирования Рефератом называют: доклад на определенную тему, включающий обзор соответствующих литературных и других источников; изложение содержания научной работы, книги и т. д. Аннотация - краткая характеристика произведения печати или рукописи. Аннотацию от реферата отличают: существенно меньший объем; обязательная констатация назначения аннотируемого произведения (для каких категорий читателей оно предназначено).

Слайд 45

Описание слайда:

Системы автоматического реферирования и аннотирования На первом проводится сопоставление текста и фразовых шаблонов, в результате чего выделяются блоки наибольшей лексической и статистической релевантности. На втором — путем соединения выделенных фрагментов формируется итоговый документ. Для реализации первого этапа используют модель линейных весовых коэффициентов. В соответствии с ней каждому блоку U текста оригинала автоматически (на основании определенных правил) приписываются весовые коэффициенты:

Слайд 46

Описание слайда:

Системы автоматического реферирования и аннотирования k1 - учитывают расположение блока: во всем тексте или некотором разделе; в начале, середине или конце текста; во вводной части, заключении и т. д.; K2 - учитывают результаты автоматической индексации документа ;

Слайд 47

Описание слайда:

Системы автоматического реферирования и аннотирования k3 - учитывается наличие в блоке таких ключевых фраз и выражений, как «в заключение...», «в данной статье...», «согласно результатам анализа...», «отличный от...», «малозначащий...» и т. п. ; k4 - учитывают вхождение термина в заголовки, колонтитулы, первый параграф текста, пользовательский профиль запроса и т. п. Коэффициент важности блока B(U) = α1k1 + α2k2 +α3k3 +α4k4 .

Слайд 48

Описание слайда:

Системы автоматического реферирования и аннотирования Microsoft Word (начиная с версии 7 имеется функция автоматического реферирования); ОРФО 5.0 (разработчик — компания «Информатик»), включающую функцию автоматического аннотирования русских текстов; «Либретто» (разработчик — компания «МедиаЛикгва»), обеспечивающую автоматическое реферирование и аннотирование русских и английских текстов (система встраивается в Word); «МедиаЛингва Аннотатор SDK 1.0», служащий инструментарием для реализации функций автоматического реферирования и аннотирования в прикладных ИАС;

Слайд 49

Описание слайда:

Системы автоматического реферирования и аннотирования поисковая система «Следопыт», включающая средства автоматического реферирования и аннотирования документов; • поисковая машина «Золотой Ключик» компании Textar, обеспечивающую составление рефератов и аннотаций; • Intelligent Text Miner (IBM); • Oracle Context

Слайд 50

Описание слайда:

Генерация и распознавание речи. Системы распознавания по сложности обычно делят на следующие группы: Системы автоматического распознавания изолированных слов. То есть система должна распознавать пословно произносимые человеком команды;

Слайд 51

Описание слайда:

Генерация и распознавание речи. Системы автоматического распознавания слитной речи. То есть система должна уметь выделять слова в естественном частично слитном потоке человеческой речи; Системы понимания речи. То есть системы, которые наделены элементами интеллекта, что позволяет, во-первых, на основе смыслового анализа более правильно выделять слова в потоке речи, а, во-вторых, сохранять информацию в некой базе знаний, откуда она может быть легко извлечена для решения определенных интеллектуальных задач.

Слайд 52

Описание слайда:

Генерация и распознавание речи. Cистема распознавания русской речи RuSpeech. (компании Intel и Cognitive Technologies. В основе лежит БД, содержащая цифровое представление звучания непрерывной русской речи с соответствующими текстами и фонетической транскрипцией. БД включает звуковые фрагменты для более 50 тыс. предложений с фонетической разметкой каждого из них. В создании БД RuSpeech приняли участие 220 дикторов. Она содержит около 50 часов непрерывной речи, имеет объем 15 Гб .