Voraussetzungen für die Entstehung der Idee der künstlichen Intelligenz. Künstliche Intelligenz. Die Entwicklungsgeschichte. Die wichtigsten Forschungsrichtungen. §3. Wissensdarstellungsmodelle in IIS

csv(Comma Separated Values) ist ein gängiges Format zum Speichern von Tabellendaten (numerisch und Text) im Klartext. Dieses Dateiformat ist beliebt und nachhaltig, da eine Vielzahl von Programmen und Anwendungen CSV verstehen, zumindest als alternatives Dateiformat für den Import / Export. Darüber hinaus ermöglicht das CSV-Format dem Benutzer, in die Datei zu schauen und sofort ein Problem mit den Daten zu finden, falls vorhanden, das CSV-Trennzeichen zu ändern, Regeln zu zitieren und so weiter. Dies ist möglich, weil CSV ein einfacher Text ist, den selbst ein nicht sehr erfahrener Benutzer ohne spezielle Schulung leicht verstehen kann.

In diesem Artikel werden wir schnelle und effiziente Möglichkeiten zum Exportieren von Daten aus Excel in CSV untersuchen und erfahren, wie Sie eine Excel-Datei in CSV konvertieren, ohne alle Sonder- und Fremdzeichen zu verzerren. Die im Artikel beschriebenen Techniken funktionieren in allen Versionen von Excel 2013, 2010 und 2007.

So konvertieren Sie eine Excel-Datei in CSV

Wenn Sie die Excel-Datei in eine andere Anwendung exportieren möchten, z. B. ein Outlook-Adressbuch oder eine Access-Datenbank, konvertieren Sie zuerst das Excel-Arbeitsblatt in eine CSV-Datei und importieren Sie dann die Datei .csv zu einer anderen Anwendung. Im Folgenden finden Sie eine Schritt-für-Schritt-Anleitung zum Exportieren einer Excel-Arbeitsmappe in das CSV-Format mit dem Excel-Tool - " Speichern als».

Kommentar: Alle genannten Formate speichern nur die aktive Excel-Tabelle.

Exportieren Sie aus Excel in CSV mit UTF-8- oder UTF-16-Codierung

Wenn das Excel-Blatt Sonder- oder Fremdzeichen (Tilde, Akzent und dergleichen) oder Hieroglyphen enthält, funktioniert das Konvertieren des Excel-Blatts in CSV auf die oben beschriebene Weise nicht.

Der Punkt ist, dass das Team Speichern als > csv(Speichern unter > CSV) verstümmelt alle Zeichen außer ASCII (American Standard Code for Information Interchange). Und wenn sich auf der Excel-Tabelle doppelte Anführungszeichen oder lange Bindestriche befinden (z. B. beim Kopieren / Einfügen von Text aus einem Word-Dokument nach Excel übertragen) - werden auch solche Zeichen geschreddert.

• UTF-8 ist eine kompaktere Codierung, die 1 bis 4 Bytes für jedes Zeichen verwendet. Es wird meistens empfohlen, dieses Format zu verwenden, wenn ASCII-Zeichen in der Datei vorherrschen, wie z Die meisten dieser Zeichen benötigen 1 Byte Speicher. Ein weiterer Vorteil besteht darin, dass sich die Codierung einer UTF-8-Datei, die nur ASCII-Zeichen enthält, in keiner Weise von derselben ASCII-Datei unterscheidet.
• UTF-16 verwendet 2 bis 4 Bytes, um jedes Zeichen zu speichern. Bitte beachten Sie, dass eine UTF-16-Datei nicht in allen Fällen mehr Speicherplatz benötigt als eine UTF-8-Datei. Beispielsweise nehmen japanische Zeichen in UTF-8 3 bis 4 Bytes und in UTF-16 2 bis 4 Bytes ein. Daher ist es sinnvoll, UTF-16 zu verwenden, wenn die Daten asiatische Zeichen enthalten, einschließlich Japanisch, Chinesisch und Koreanisch. Der Hauptnachteil dieser Codierung besteht darin, dass sie nicht vollständig mit ASCII-Dateien kompatibel ist und spezielle Programme erfordert, um solche Dateien anzuzeigen. Denken Sie daran, wenn Sie die resultierenden Dateien aus Excel woanders importieren möchten.

So konvertieren Sie eine Excel-Datei in CSV UTF-8

Angenommen, wir haben eine Excel-Tabelle mit ausländischen Zeichen, in unserem Beispiel handelt es sich um japanische Namen.

Um dieses Excel-Blatt in eine CSV-Datei zu exportieren und dabei alle Hieroglyphen beizubehalten, gehen wir wie folgt vor:

Kommentar: Nicht alle einfachen Texteditoren unterstützen Unicode-Zeichen vollständig, daher werden einige als Rechtecke angezeigt. In den meisten Fällen wirkt sich dies in keiner Weise auf die endgültige Datei aus, und Sie können sie einfach ignorieren oder einen fortgeschritteneren Editor wie Notepad++ wählen.

1. Da unsere Unicode-Textdatei das Tabulatorzeichen als Trennzeichen verwendet und wir es in CSV (kommagetrennt) konvertieren möchten, müssen wir die Tabulatorzeichen durch Kommas ersetzen.

Kommentar: Wenn es nicht unbedingt erforderlich ist, eine Datei mit Komma-Trennzeichen zu erhalten, aber Sie eine CSV-Datei benötigen, die Excel verstehen kann, können Sie diesen Schritt überspringen, da Microsoft Excel Dateien mit einem Trennzeichen – Tabulatoren – perfekt versteht.

Kommentar: Wenn Ihre Datei außerhalb von Excel verwendet werden soll und das UTF-8-Format erforderlich ist, dann nehmen Sie keine Änderungen an dem Blatt vor und speichern Sie es nicht erneut in Excel, da dies zu Problemen beim Lesen der Codierung führen kann. Wenn ein Teil der Daten nicht in Excel angezeigt wird, öffnen Sie dieselbe Datei in Notepad und korrigieren Sie die darin enthaltenen Daten. Vergessen Sie nicht, die Datei erneut im UTF-8-Format zu speichern.

So konvertieren Sie eine Excel-Datei in CSV UTF-16

Der Export in eine UTF-16-CSV-Datei ist viel schneller und einfacher als der Export in UTF-8. Tatsache ist, dass Excel beim Speichern der Datei automatisch das UTF-16-Format anwendet Unicode-Text(Unicode-Text).

Speichern Sie dazu die Datei mit dem Tool Speichern als(Speichern unter) in Excel und dann im Windows Explorer ändern Sie die Erweiterung der erstellten Datei in .csv. Bereit!

Wenn Sie eine CSV-Datei mit einem Semikolon oder Semikolon als Trennzeichen benötigen, ersetzen Sie alle Tabulatorzeichen durch Kommas bzw. Semikolons in Notepad oder einem anderen Texteditor Ihrer Wahl (siehe weiter oben in diesem Artikel für detaillierte Anweisungen dazu).

Andere Möglichkeiten zum Konvertieren von Excel-Dateien in CSV

Die oben beschriebenen Methoden zum Exportieren von Daten aus Excel nach CSV (UTF-8 und UTF-16) sind universell, d.h. geeignet für die Arbeit mit beliebigen Sonderzeichen und in jeder Excel-Version von 2003 bis 2013.

Es gibt viele andere Möglichkeiten, Daten aus Excel in das CSV-Format zu konvertieren. Im Gegensatz zu den oben gezeigten Lösungen führen diese Methoden nicht zu einer reinen UTF-8-Datei (dies gilt nicht, die Excel-Dateien in mehrere UTF-Codierungsoptionen exportieren kann). In den meisten Fällen enthält die resultierende Datei jedoch den richtigen Zeichensatz, der dann mit einem beliebigen Texteditor problemlos in das UTF-8-Format konvertiert werden kann.

Konvertieren Sie Excel-Dateien mit Google Sheets in CSV

Wie sich herausstellt, ist es sehr einfach, eine Excel-Datei mit Google Sheets in CSV zu konvertieren. Vorausgesetzt, Google Drive ist bereits auf Ihrem Computer installiert, folgen Sie diesen 5 einfachen Schritten:

Rat: Wenn die Excel-Datei relativ klein ist, können Sie zur Zeitersparnis Daten daraus per Kopieren / Einfügen in eine Google-Tabelle übertragen.

Öffnen Sie abschließend die generierte CSV-Datei in einem beliebigen Texteditor, um sicherzustellen, dass alle Zeichen korrekt gespeichert werden. Leider werden auf diese Weise erstellte CSV-Dateien in Excel nicht immer korrekt angezeigt.

Speichern Sie die .xlsx-Datei als .xls und konvertieren Sie sie dann in eine CSV-Datei

Diese Methode erfordert keine zusätzlichen Kommentare, da bereits aus dem Namen alles klar ist.

Ich habe diese Lösung in einem der Excel-Foren gefunden, ich weiß nicht mehr, welches. Ehrlich gesagt habe ich diese Methode noch nie verwendet, aber laut vielen Benutzern gehen einige Sonderzeichen beim direkten Speichern verloren .xlsx in .csv, aber bleiben wenn zuerst .xlsx speichern als .xls, und dann wie .csv, wie wir .

Probieren Sie diese Methode zum Erstellen von CSV-Dateien aus Excel auf jeden Fall selbst aus, und wenn sie funktioniert, sparen Sie viel Zeit.

Speichern einer Excel-Datei als CSV mit OpenOffice

OpenOffice ist eine Open-Source-Anwendungssuite, die eine Tabellenkalkulationsanwendung enthält, die hervorragende Arbeit beim Exportieren von Daten aus Excel in das CSV-Format leistet. Tatsächlich gibt Ihnen diese Anwendung Zugriff auf mehr Optionen beim Konvertieren von Tabellenkalkulationen in CSV-Dateien (Codierung, Trennzeichen usw.) als Excel und Google Sheets zusammen.

Öffnen Sie einfach die Excel-Datei in OpenOffice Calc, klicken Sie auf Datei > Speichern als(Datei > Speichern unter) und wählen Sie den Dateityp aus CSV-Text(Text-CSV).

Der nächste Schritt ist die Auswahl der Parameterwerte Codierung(Zeichensätze) und Feldtrenner(Feldtrennzeichen). Wenn wir natürlich eine UTF-8-CSV-Datei mit Kommas als Trennzeichen erstellen möchten, wählen Sie UTF-8 und geben Sie ein Komma (,) in die entsprechenden Felder ein. Parameter Texttrenner(Texttrennzeichen) wird normalerweise unverändert gelassen - Anführungszeichen ("). Weiter klicken OK.

Auf die gleiche Weise können Sie für eine schnelle und problemlose Konvertierung von Excel in CSV eine andere Anwendung verwenden - LibreOffice. Stimmen Sie zu, es wäre großartig, wenn Microsoft Excel die Möglichkeit bieten würde, die Einstellungen auch beim Erstellen von CSV-Dateien anzupassen.

In diesem Artikel habe ich über die Methoden gesprochen, die ich zum Konvertieren von Excel-Dateien in CSV kenne. Wenn Sie effizientere Methoden zum Exportieren von Excel nach CSV kennen, teilen Sie uns dies bitte in den Kommentaren mit. Vielen Dank für Ihre Aufmerksamkeit!

Mein Name ist Alexander und ich bin Freiberufler, meine Hauptspezialisierung ist Google Apps Script. Einer der Kunden musste Microsoft Excel-Dateien programmgesteuert in Google Spreadsheets konvertieren. Ich war noch nie zuvor auf ein solches Problem gestoßen, also rief ich Google um Hilfe an. Ich habe ein paar Foren durchsucht, aber keine fertige Lösung gefunden. Ich musste mein Fahrrad schreiben. Und obwohl sich der Code als kurz herausstellte, brauchte es viel Zeit, um eine Lösung zu finden. Folgendes ist passiert:

function convert(folderId) ( var folderIncoming = DriveApp.getFolderById(folderId); var files = folderIncoming.getFilesByType(MimeType.MICROSOFT_EXCEL_LEGACY); while (files.hasNext()) ( var source = files.next(); var sourceId = source .getId(); var fileName = source.getName().replace(.xls", ""); var file = ( title: fileName, ); file = Drive.Files.copy(file, sourceId, (convert: Stimmt)); ) )
Diese Funktion nimmt als Parameter die ID des Ordners, der die zu konvertierenden Dateien enthält. Findet in diesem Ordner Dateien, die dem Typ MimeType.MICROSOFT_EXCEL_LEGACY entsprechen, dies sind Microsoft Excel XLS-Dokumente, und erstellt Kopien davon im selben Ordner. Beim Kopieren wird das Format konvertiert, dafür ist der Parameter convert:true zuständig. Wenn die Erweiterung .xls im ursprünglichen Dateinamen vorhanden ist, wird sie gelöscht.

Wenn Sie XLSX-Dateien verarbeiten müssen, ändern Sie den Typ in MimeType.MICROSOFT_EXCEL und
var fileName = source.getName().replace(.xls", ""); zu var fileName = source.getName().replace(.xlsx", "");
Aber wenn Sie diesen Code einfach kopieren und versuchen, ihn auszuführen, wird der Fehler „ReferenceError: Object „Drive“ is not defined.“ angezeigt. Um das Problem zu beheben, wählen Sie im Code-Editor im Menü „Ressourcen“ das Element aus "Zusätzliche Google-Funktionen ..." Suchen Sie im angezeigten Fenster die "Drive-API" und aktivieren Sie sie.

Wählen Sie dann im Menü „Ressourcen“ den Punkt „Project Developers Console …“ aus. Folgen Sie im erscheinenden Fenster dem Link mit der Projekt-ID.

Wählen Sie auf der angezeigten Seite im linken Menü „APIs & Authentifizierung“ und dann „APIs“. Es erscheint eine Liste mit APIs, darin folgen wir dem Link „Drive API“.

Klicken Sie auf die Schaltfläche „API aktivieren“ – fertig. Du kannst rennen.

Ebenso können Sie Dateien anderer Formate konvertieren.

Ich hoffe, diese Notiz spart jemandem etwas Zeit.

Das Konzept der künstlichen Intelligenz (KI oder KI) umfasst nicht nur Technologien, mit denen Sie intelligente Maschinen (einschließlich Computerprogramme) erstellen können. KI ist auch einer der Bereiche des wissenschaftlichen Denkens.

Künstliche Intelligenz - Definition

Intelligenz- dies ist die geistige Komponente einer Person, die folgende Fähigkeiten hat:

• anpassungsfähig;
• Lernen durch Anhäufung von Erfahrung und Wissen;
• die Fähigkeit, Wissen und Fähigkeiten anzuwenden, um die Umwelt zu verwalten.

Der Intellekt vereint alle Fähigkeiten eines Menschen, die Realität zu erkennen. Mit ihrer Hilfe denkt eine Person nach, erinnert sich an neue Informationen, nimmt die Umgebung wahr und so weiter.

Künstliche Intelligenz wird als einer der Bereiche der Informationstechnologie verstanden, die sich mit der Untersuchung und Entwicklung von Systemen (Maschinen) befasst, die mit den Fähigkeiten der menschlichen Intelligenz ausgestattet sind: Lernfähigkeit, logisches Denken usw.

Derzeit wird an künstlicher Intelligenz gearbeitet, indem neue Programme und Algorithmen erstellt werden, die Probleme auf die gleiche Weise lösen wie ein Mensch.

Aufgrund der Tatsache, dass sich die Definition von KI mit der Entwicklung dieser Richtung weiterentwickelt, ist es notwendig, den KI-Effekt zu erwähnen. Es bezieht sich auf den Effekt, den künstliche Intelligenz erzeugt, wenn sie einige Fortschritte gemacht hat. Wenn die KI beispielsweise gelernt hat, irgendwelche Aktionen auszuführen, stimmen Kritiker sofort ein und argumentieren, dass diese Erfolge nicht auf das Vorhandensein von Denken in der Maschine hindeuten.

Die Entwicklung der Künstlichen Intelligenz geht heute in zwei voneinander unabhängige Richtungen:

• Neurokybernetik;
• logischer Ansatz.

Die erste Richtung beinhaltet die Untersuchung von neuronalen Netzen und Evolutionary Computing aus biologischer Sicht. Der logische Ansatz beinhaltet die Entwicklung von Systemen, die intellektuelle Prozesse auf hoher Ebene nachahmen: Denken, Sprechen und so weiter.

Die ersten Arbeiten auf dem Gebiet der KI begannen Mitte des letzten Jahrhunderts. Der Pionier der Forschung in dieser Richtung war Alan Turing, obwohl im Mittelalter bestimmte Ideen von Philosophen und Mathematikern zum Ausdruck gebracht wurden. Insbesondere wurde bereits zu Beginn des 20. Jahrhunderts ein mechanisches Gerät eingeführt, das in der Lage war, Schachprobleme zu lösen.

Aber in Wirklichkeit wurde diese Richtung Mitte des letzten Jahrhunderts geformt. Dem Erscheinen von Arbeiten über KI gingen Forschungen über die menschliche Natur, Möglichkeiten, die Welt um uns herum zu erkennen, die Möglichkeiten des Denkprozesses und andere Bereiche voraus. Zu dieser Zeit waren die ersten Computer und Algorithmen erschienen. Das heißt, die Grundlage wurde geschaffen, auf der eine neue Forschungsrichtung geboren wurde.

1950 veröffentlichte Alan Turing einen Artikel, in dem er Fragen zu den Fähigkeiten zukünftiger Maschinen stellte und ob sie Menschen in Bezug auf die Empfindungsfähigkeit übertreffen könnten. Dieser Wissenschaftler war es, der das später nach ihm benannte Verfahren entwickelte: den Turing-Test.

Nach der Veröffentlichung der Arbeiten des englischen Wissenschaftlers erschienen neue Forschungen auf dem Gebiet der KI. Als Denkmaschine kann laut Turing nur eine Maschine erkannt werden, die bei der Kommunikation nicht von einem Menschen zu unterscheiden ist. Etwa zur gleichen Zeit, als die Rolle eines Wissenschaftlers auftauchte, wurde ein Konzept namens Baby Machine geboren. Es sah die fortschreitende Entwicklung der KI und die Schaffung von Maschinen vor, deren Denkprozesse zunächst auf der Ebene eines Kindes geformt und dann schrittweise verbessert werden.

Der Begriff „künstliche Intelligenz“ wurde später geboren. 1956 traf sich eine Gruppe von Wissenschaftlern, darunter Turing, an der American University of Dartmund, um Fragen im Zusammenhang mit KI zu diskutieren. Nach diesem Treffen begann die aktive Entwicklung von Maschinen mit den Fähigkeiten der künstlichen Intelligenz.

Eine besondere Rolle bei der Schaffung neuer Technologien im Bereich der KI spielten die Militärabteilungen, die diesen Forschungsbereich aktiv finanzierten. In der Folge begann die Arbeit im Bereich der künstlichen Intelligenz große Unternehmen anzuziehen.

Das moderne Leben stellt Forscher vor komplexere Herausforderungen. Daher erfolgt die Entwicklung der KI unter grundlegend anderen Bedingungen, wenn wir sie mit dem vergleichen, was während der Zeit der Entstehung der künstlichen Intelligenz geschah. Die Prozesse der Globalisierung, das Vorgehen von Eindringlingen in der digitalen Sphäre, die Entwicklung des Internets und andere Probleme – all dies stellt Wissenschaftlerinnen und Wissenschaftler vor komplexe Aufgaben, deren Lösung im Bereich der KI liegt.

Trotz der in diesem Bereich in den letzten Jahren erzielten Erfolge (z. B. das Aufkommen autonomer Technologien) klingen die Stimmen der Skeptiker immer noch nicht ab, die nicht an die Schaffung einer wirklich künstlichen Intelligenz und eines nicht sehr leistungsfähigen Programms glauben. Etliche Kritiker befürchten, dass die aktive Entwicklung von KI bald dazu führen wird, dass Maschinen den Menschen vollständig ersetzen.

Forschungsrichtungen

Die Philosophen sind sich noch nicht einig darüber, was die Natur des menschlichen Intellekts ist und welchen Status er hat. In diesem Zusammenhang gibt es in wissenschaftlichen Arbeiten, die sich der KI widmen, viele Ideen, die sagen, welche Aufgaben künstliche Intelligenz löst. Auch bei der Frage, welche Art von Maschine als intelligent bezeichnet werden kann, gibt es kein gemeinsames Verständnis.

Die Entwicklung von Technologien der künstlichen Intelligenz geht heute in zwei Richtungen:

1. Absteigend (semiotisch). Es beinhaltet die Entwicklung neuer Systeme und Wissensbasen, die mentale Prozesse auf hoher Ebene wie Sprache, Ausdruck von Emotionen und Denken imitieren.
2. Aufsteigend (biologisch). Dieser Ansatz beinhaltet Forschung auf dem Gebiet der neuronalen Netze, durch die Modelle des intellektuellen Verhaltens aus der Sicht biologischer Prozesse erstellt werden. Basierend auf dieser Richtung werden Neurocomputer erstellt.

Bestimmt die Fähigkeit der künstlichen Intelligenz (Maschine), wie ein Mensch zu denken. Im Allgemeinen beinhaltet dieser Ansatz die Schaffung von KI, deren Verhalten sich nicht von menschlichen Handlungen in denselben, normalen Situationen unterscheidet. Tatsächlich geht der Turing-Test davon aus, dass eine Maschine nur dann intelligent ist, wenn es bei der Kommunikation mit ihr unmöglich ist zu verstehen, wer spricht: ein Mechanismus oder eine lebende Person.

Science-Fiction-Bücher bieten eine andere Möglichkeit, die Fähigkeiten von KI einzuschätzen. Künstliche Intelligenz wird real, wenn sie fühlt und erschaffen kann. Dieser Definitionsansatz hält jedoch in der Praxis nicht stand. Beispielsweise werden bereits Maschinen geschaffen, die auf Veränderungen in der Umgebung (Kälte, Hitze usw.) reagieren können. Gleichzeitig können sie nicht so fühlen wie ein Mensch.

Symbolischer Ansatz

Der Erfolg bei der Lösung von Problemen wird maßgeblich von der Fähigkeit bestimmt, flexibel mit der Situation umzugehen. Anders als Menschen interpretieren Maschinen die erhaltenen Daten einheitlich. Daher ist nur eine Person an der Lösung von Problemen beteiligt. Die Maschine führt Operationen basierend auf geschriebenen Algorithmen aus, die die Verwendung mehrerer Abstraktionsmodelle ausschließen. Eine Flexibilisierung von Programmen ist möglich, indem die Ressourcen erhöht werden, die bei der Lösung von Problemen eingesetzt werden.

Die oben genannten Nachteile sind typisch für den symbolischen Ansatz, der bei der Entwicklung von KI verwendet wird. Diese Entwicklungsrichtung der künstlichen Intelligenz ermöglicht es Ihnen jedoch, neue Regeln im Berechnungsprozess zu erstellen. Und die Probleme, die sich aus dem symbolischen Ansatz ergeben, können mit logischen Methoden gelöst werden.

logischer Ansatz

Dieser Ansatz beinhaltet die Erstellung von Modellen, die den Prozess des Denkens nachahmen. Es basiert auf den Prinzipien der Logik.

Bei diesem Ansatz werden keine starren Algorithmen verwendet, die zu einem bestimmten Ergebnis führen.

Agentenbasierter Ansatz

Es verwendet intelligente Agenten. Dieser Ansatz geht von folgendem aus: Intelligenz ist ein rechnerischer Teil, durch den Ziele erreicht werden. Die Maschine spielt die Rolle eines intelligenten Agenten. Sie lernt die Umgebung mit Hilfe spezieller Sensoren kennen und interagiert mit ihr durch mechanische Teile.

Der agentenbasierte Ansatz konzentriert sich auf die Entwicklung von Algorithmen und Methoden, die es Maschinen ermöglichen, in verschiedenen Situationen einsatzbereit zu bleiben.

Hybrider Ansatz

Dieser Ansatz beinhaltet die Integration von neuronalen und symbolischen Modellen, wodurch die Lösung aller Probleme erreicht wird, die mit den Prozessen des Denkens und Rechnens verbunden sind. Beispielsweise können neuronale Netze die Richtung generieren, in die sich der Betrieb einer Maschine bewegt. Und statisches Lernen bildet die Basis, auf der Probleme gelöst werden.

Laut Unternehmensexperten Gärtner, bis Anfang der 2020er Jahre werden fast alle veröffentlichten Softwareprodukte Technologien der künstlichen Intelligenz verwenden. Experten gehen außerdem davon aus, dass etwa 30 % der Investitionen im digitalen Bereich auf KI entfallen werden.

Laut den Analysten von Gartner eröffnet künstliche Intelligenz neue Möglichkeiten für die Zusammenarbeit von Mensch und Maschine. Gleichzeitig ist der Prozess der Verdrängung einer Person durch KI nicht aufzuhalten und wird sich in Zukunft beschleunigen.

In Gesellschaft PwC glauben, dass das Volumen des weltweiten Bruttoinlandsprodukts bis 2030 aufgrund der schnellen Einführung neuer Technologien um etwa 14 % wachsen wird. Darüber hinaus werden etwa 50 % der Erhöhung für eine Steigerung der Effizienz von Produktionsprozessen sorgen. Die zweite Hälfte des Indikators wird der zusätzliche Gewinn sein, der durch die Einführung von KI in Produkten erzielt wird.

Zunächst werden die Vereinigten Staaten den Effekt des Einsatzes künstlicher Intelligenz erhalten, da dieses Land die besten Voraussetzungen für den Betrieb von KI-Maschinen geschaffen hat. In Zukunft werden sie von China übertroffen, das durch die Einführung solcher Technologien in Produkte und deren Produktion den maximalen Gewinn erzielen wird.

Unternehmensexperten Verkaufskraft behaupten, dass KI die Rentabilität kleiner Unternehmen um etwa 1,1 Billionen US-Dollar steigern wird. Und es wird bis 2021 geschehen. Dieser Indikator wird zum Teil durch die Implementierung von KI-Lösungen in Systemen erreicht, die für die Kommunikation mit Kunden verantwortlich sind. Gleichzeitig wird die Effizienz von Produktionsprozessen durch deren Automatisierung verbessert.

Die Einführung neuer Technologien wird zudem 800.000 zusätzliche Arbeitsplätze schaffen. Experten weisen darauf hin, dass diese Zahl den Verlust von Stellen durch die Prozessautomatisierung kompensiert. Analysten sagen auf der Grundlage einer Umfrage unter Unternehmen voraus, dass ihre Ausgaben für Fabrikautomatisierung bis Anfang der 2020er Jahre auf etwa 46 Milliarden US-Dollar steigen werden.

Auch in Russland wird im Bereich KI gearbeitet. Seit 10 Jahren hat der Staat mehr als 1,3 Tausend Projekte in diesem Bereich finanziert. Darüber hinaus flossen die meisten Investitionen in die Entwicklung von Programmen, die nicht mit der Durchführung kommerzieller Aktivitäten zusammenhängen. Dies zeigt, dass die russische Geschäftswelt noch kein Interesse an der Einführung von Technologien der künstlichen Intelligenz hat.

Insgesamt wurden für diese Zwecke in Russland etwa 23 Milliarden Rubel investiert. Die Höhe der staatlichen Subventionen ist geringer als die von anderen Ländern ausgewiesene Höhe der KI-Förderung. In den Vereinigten Staaten werden jährlich etwa 200 Millionen Dollar für diese Zwecke bereitgestellt.

Grundsätzlich werden in Russland Mittel aus dem Staatshaushalt für die Entwicklung von KI-Technologien bereitgestellt, die dann im Verkehrssektor, in der Verteidigungsindustrie und in Sicherheitsprojekten eingesetzt werden. Dieser Umstand deutet darauf hin, dass hierzulande eher in Bereiche investiert wird, die es ermöglichen, mit den investierten Mitteln schnell eine gewisse Wirkung zu erzielen.

Die obige Studie hat auch gezeigt, dass Russland jetzt ein hohes Potenzial für die Ausbildung von Spezialisten hat, die an der Entwicklung von KI-Technologien beteiligt sein können. In den letzten 5 Jahren wurden etwa 200.000 Menschen in Bereichen mit Bezug zu KI geschult.

KI-Technologien entwickeln sich in folgende Richtungen:

• Lösung von Problemen, die es ermöglichen, die Fähigkeiten der KI den menschlichen näher zu bringen und Wege zu finden, sie in den Alltag zu integrieren;
• Entwicklung eines vollwertigen Geistes, durch den die Aufgaben der Menschheit gelöst werden.

Im Moment konzentrieren sich die Forscher darauf, Technologien zu entwickeln, die praktische Probleme lösen. Bisher sind Wissenschaftler noch nicht annähernd an die Schaffung einer vollwertigen künstlichen Intelligenz herangekommen.

Viele Unternehmen entwickeln Technologien im Bereich der KI. "Yandex" verwendet sie seit mehr als einem Jahr für die Arbeit der Suchmaschine. Seit 2016 forscht das russische IT-Unternehmen im Bereich der neuronalen Netze. Letztere verändern die Art der Arbeit von Suchmaschinen. Insbesondere neuronale Netze vergleichen die vom Benutzer eingegebene Anfrage mit einer bestimmten Vektornummer, die die Bedeutung der Aufgabe am besten widerspiegelt. Mit anderen Worten, die Suche erfolgt nicht nach dem Wort, sondern nach der Essenz der von der Person angeforderten Informationen.

Im Jahr 2016 "Yandex" den Dienst gestartet "Zen", die Benutzerpräferenzen analysiert.

Gesellschaft Abbyy kürzlich ein System eingeführt Compreno. Mit ihrer Hilfe ist es möglich, den in natürlicher Sprache geschriebenen Text zu verstehen. Andere Systeme, die auf Technologien der künstlichen Intelligenz basieren, sind ebenfalls erst vor relativ kurzer Zeit auf den Markt gekommen:

1. finde O. Das System ist in der Lage, menschliche Sprache zu erkennen und mithilfe komplexer Abfragen nach Informationen in verschiedenen Dokumenten und Dateien zu suchen.
2. Gamalon. Dieses Unternehmen führte ein System mit der Fähigkeit zum Selbstlernen ein.
3. Watson. Ein IBM-Computer, der eine große Anzahl von Algorithmen verwendet, um nach Informationen zu suchen.
4. ViaVoice. Menschliches Spracherkennungssystem.

Große Handelsunternehmen lassen sich die Fortschritte im Bereich der künstlichen Intelligenz nicht entgehen. Banken implementieren solche Technologien aktiv in ihre Aktivitäten. Mit Hilfe von KI-basierten Systemen führen sie Transaktionen an Börsen durch, verwalten Immobilien und führen andere Operationen durch.

Die Verteidigungsindustrie, die Medizin und andere Bereiche implementieren Objekterkennungstechnologien. Und Spieleentwicklungsunternehmen verwenden KI, um ihr nächstes Produkt zu entwickeln.

In den vergangenen Jahren hat eine Gruppe amerikanischer Wissenschaftler an einem Projekt gearbeitet NEIL, bei dem die Forscher den Computer bitten, zu erkennen, was auf dem Foto zu sehen ist. Experten schlagen vor, dass sie auf diese Weise ein System schaffen können, das ohne externe Intervention selbstlernend ist.

Gesellschaft VisionLab eine eigene Plattform eingeführt LUNA, die Gesichter in Echtzeit erkennen kann, indem sie sie aus einer riesigen Ansammlung von Bildern und Videos auswählen. Diese Technologie wird jetzt von großen Banken und Netzwerkhändlern verwendet. Mit LUNA können Sie die Vorlieben der Menschen vergleichen und ihnen relevante Produkte und Dienstleistungen anbieten.

Ein russisches Unternehmen arbeitet an ähnlichen Technologien N-Tech-Labor. Gleichzeitig versuchen seine Spezialisten, ein auf neuronalen Netzen basierendes Gesichtserkennungssystem zu entwickeln. Nach den neuesten Daten bewältigt die russische Entwicklung die zugewiesenen Aufgaben besser als eine Person.

Laut Stephen Hawking wird die Entwicklung von Technologien der künstlichen Intelligenz in der Zukunft zum Tod der Menschheit führen. Der Wissenschaftler stellte fest, dass die Menschen durch die Einführung von KI allmählich abgebaut werden. Und unter den Bedingungen der natürlichen Evolution, wenn ein Mensch ständig ums Überleben kämpfen muss, wird dieser Prozess unweigerlich zu seinem Tod führen.

Russland steht der Einführung von KI positiv gegenüber. Alexei Kudrin hat einmal gesagt, dass der Einsatz solcher Technologien die Kosten für die Aufrechterhaltung des Staatsapparats um etwa 0,3 % des BIP senken würde. Dmitri Medwedew prognostiziert das Verschwinden einer Reihe von Berufen aufgrund der Einführung von KI. Der Beamte betonte jedoch, dass der Einsatz solcher Technologien zur raschen Entwicklung anderer Branchen führen werde.

Laut Experten des Weltwirtschaftsforums werden bis Anfang der 2020er Jahre etwa 7 Millionen Menschen durch die Automatisierung der Produktion ihren Arbeitsplatz verlieren. Die Einführung von KI wird mit hoher Wahrscheinlichkeit zu einer Transformation der Wirtschaft und zum Verschwinden einer Reihe von Berufen im Zusammenhang mit der Datenverarbeitung führen.

Experten McKinsey erklären, dass der Prozess der Automatisierung der Produktion in Russland, China und Indien aktiver sein wird. In diesen Ländern werden in naher Zukunft bis zu 50 % der Arbeitnehmer ihren Arbeitsplatz aufgrund der Einführung von KI verlieren. An ihre Stelle treten computergestützte Systeme und Roboter.

Laut McKinsey wird künstliche Intelligenz Arbeitsplätze ersetzen, die manuelle Arbeit und Informationsverarbeitung beinhalten: Einzelhandel, Hotelpersonal und so weiter.

Bis zur Mitte dieses Jahrhunderts wird laut Experten eines amerikanischen Unternehmens die Zahl der Arbeitsplätze weltweit um etwa 50 % abgebaut. Menschen werden durch Maschinen ersetzt, die ähnliche Operationen mit gleicher oder höherer Effizienz ausführen können. Gleichzeitig schließen Experten die Option nicht aus, dass diese Prognose vor dem angegebenen Zeitpunkt realisiert wird.

Andere Analysten weisen auf den Schaden hin, den Roboter anrichten können. McKinsey-Experten weisen beispielsweise darauf hin, dass Roboter im Gegensatz zu Menschen keine Steuern zahlen. Infolgedessen wird der Staat aufgrund eines Rückgangs der Haushaltseinnahmen nicht in der Lage sein, die Infrastruktur auf dem gleichen Niveau zu halten. Daher schlug Bill Gates eine neue Steuer auf Roboterausrüstung vor.

KI-Technologien steigern die Effizienz von Unternehmen, indem sie die Anzahl der gemachten Fehler reduzieren. Darüber hinaus können Sie die Betriebsgeschwindigkeit auf ein Niveau erhöhen, das von einer Person nicht erreicht werden kann.

Brjansk State Technical University Department of Computer Technologies and Systems Einführung in intelligente Systeme Dozent: Shkaberin V.A. LITERATUR 1. 2. 3. 4. 5. Wissensbasen intelligenter Systeme / Т.А. Gavrilova, V.F. Khoroshevsky.-St. Petersburg: Peter, 2001.-384 S.: mit Abb. Künstliche Intelligenz: In 3 Büchern. Buch. 1. Kommunikationssysteme und Expertensysteme: Handbuch / Ed. EV Popova.- M.: Radio and communication, 1990.-464 S.: mit Abb. Künstliche Intelligenz.-In 3 Büchern. Buch. 2. Modelle und Methoden: Handbuch / Ed. JAWOHL. Pospelova.-M.: Funk und Kommunikation, 1990.-304 S.: mit Abb. S. Winston. Künstliche Intelligenz / Per. aus dem Englischen. V. L. Stefanyuk, Hrsg. JAWOHL. Pospelova.- M.: Mir-Verlag, 1980.-520 p. Peter Jackson. Einführung in Expertensysteme.: Per. aus dem Englischen: Uch. Siedlung-M.: Williams Publishing House, 2001.624 S.: Abb.-Paral. Titte. Englisch INHALT: Eine kurze Geschichte der künstlichen Intelligenz Forschungsgegenstand und Forschungsschwerpunkte im Bereich der künstlichen Intelligenz Schwierig zu formalisierende Gestaltungsprobleme Eine kurze Geschichte der künstlichen Intelligenz der Gott Hephaistos in der Mythologie geschmiedete humanoide Wesen, Automaten, Pinocchio etc. ). Die erste theoretische Arbeit auf dem Gebiet der künstlichen Intelligenz Der Begründer der künstlichen Intelligenz, der mittelalterliche spanische Philosoph, Mathematiker und Dichter Raymond Lull, versuchte im 13. Jahrhundert, eine mechanische Maschine zur Lösung verschiedener Probleme auf der Grundlage der allgemeinen Klassifizierung von Konzepten zu schaffen, die er hatte aufgetreten. Lull Raymond (1235 - 1316) Die ersten theoretischen Arbeiten auf dem Gebiet der künstlichen Intelligenz (2) Im 18. Jahrhundert führten Leibniz und Descartes diese Idee unabhängig fort und schlugen universelle Sprachen zur Klassifizierung aller Wissenschaften vor. Gottfried Leibniz (1646-1716) Rene Descartes (1596 - 1650) Die Geburt der künstlichen Intelligenz als wissenschaftliche Richtung erfolgte nach der Schaffung von Computern in den 40er Jahren des 20. Jahrhunderts. In dieser Zeit schuf Norbert Wiener grundlegende Arbeiten zur Kybernetik. Norbert Wiener (1894 - 1964) Die Geburt des Begriffs "künstliche Intelligenz" Der Begriff KI - (AI - künstliche Intelligenz (Intelligenz die Fähigkeit, intelligent zu denken)) wurde 1956 auf einem Seminar am Dartsmouth College (USA) vorgeschlagen. 1969 fand in Washington die First International Joint Conference on Artificial Intelligence statt. Sie legitimierte den Begriff "Künstliche Intelligenz" in ihrem Namen. Richtungen der künstlichen Intelligenz 1. Neurokybernetik 2. Kybernetik der „Black Box“ Der Ursprung der Neurokybernetik Die Grundidee der Neurokybernetik lautet „Das einzige Objekt, das denken kann, ist das menschliche Gehirn. Daher muss jedes „Denkgerät“ die Struktur des menschlichen Gehirns reproduzieren.“ Die Hauptidee der Neurokybernetik (2) Die Neurokybernetik konzentriert sich auf die Hardware-Software-Modellierung von Strukturen, die der Struktur des Gehirns ähnlich sind. Die Basis des menschlichen Gehirns sind Neuronen. Die Bemühungen konzentrieren sich darauf, neuronenähnliche Elemente zu schaffen und sie zu funktionierenden Systemen zu kombinieren. Diese Systeme werden neuronale Netze oder neuronale Netze genannt. Erstellung der ersten neuronalen Netze Die ersten neuronalen Netze wurden 1956-1965 von Frank Rosenblatt und McCulloch erstellt. Dies waren Versuche, das menschliche Auge und seine Interaktion mit dem Gehirn zu modellieren. Das erstellte Gerät wurde Perzeptron genannt und konnte zwischen den Buchstaben des Alphabets unterscheiden. Perzeptives Modell (Perceptron) Entwicklung von Neurocomputern und Transputern In den 1980er Jahren wurde der erste Neurocomputer oder Computer der vierten Generation in Japan als Teil des Computerprojekts der V-Generation entwickelt. Transputer erschienen - parallele Computer mit einer großen Anzahl von Prozessoren. Die Transputer-Technologie ist einer von einem Dutzend neuer Ansätze zur Hardwareimplementierung neuronaler Netze, die die hierarchische Struktur des menschlichen Gehirns modellieren. Das Hauptanwendungsgebiet von Neurocomputern sind Aufgaben der Mustererkennung, beispielsweise die Identifizierung von Objekten anhand der Ergebnisse von Luftbildaufnahmen aus dem All. Ansätze zur Erstellung neuronaler Netze Hardware - die Erstellung von Computern, Neurochips, Mikroschaltungen, die die erforderlichen Algorithmen implementieren. Software - die Erstellung von Programmen und Tools für Hochleistungscomputer. Netzwerke werden im Computerspeicher erstellt. Hybrid - ein Teil der Berechnungen wird von speziellen Erweiterungskarten durchgeführt, ein Teil von Software. Kybernetik der „Black Box“ Der Grundgedanke der Kybernetik der „Black Box“ „Es spielt keine Rolle, wie das „denkende“ Gerät funktioniert. Hauptsache, es reagiert auf gegebene Eingaben genauso wie das menschliche Gehirn.“ Die Hauptidee der „Black Box“-Kybernetik (2) Die Hauptorientierung dieses Bereichs der KI ist die Suche nach Algorithmen zur Lösung intellektueller Probleme auf bestehenden Computermodellen. Einen wesentlichen Beitrag zur Entwicklung der neuen Wissenschaft leisteten John McCarthy (der Autor der ersten Sprache für AI-LISP-Probleme), Marvin Minsky (der Autor der Idee eines Rahmenmodells der Wissensrepräsentation), Simon, Shaw usw. 1956-1963. aktiv nach Modellen und Algorithmen des menschlichen Denkens und der Entwicklung der ersten darauf basierenden Programme gesucht. Verschiedene Ansätze wurden erstellt und getestet: Maze-Suchmodell (Ende der 50er Jahre). Die Aufgabe wurde als bestimmter Zustandsraum in Form eines Graphen dargestellt, in dem die Suche nach dem optimalen Weg von den Eingabedaten zu den resultierenden durchgeführt wird. Sie haben keine breite Anwendung zur Lösung praktischer Probleme gefunden. Die Programme sind in den ersten Lehrbüchern zur KI beschrieben – sie spielen 15, Dame, Schach etc. Heuristische Programmierung (Anfang 60er) – die Entwicklung einer Handlungsstrategie auf Basis bekannter, vordefinierter Heuristiken. Eine Heuristik ist eine theoretisch unbegründete Regel, die die Anzahl der Iterationen im Suchraum reduziert. Anwendung der Methoden der mathematischen Logik (1963-1970) zur Lösung von KI-Problemen. Robinson entwickelte die Auflösungsmethode, die es ermöglicht, Sätze automatisch zu beweisen, wenn ein Satz von Anfangsaxiomen gegeben ist. Hauswissenschaftler Maslov Yu.S. eine inverse Ableitung vorgeschlagen, die ein ähnliches Problem auf andere Weise löst. Basierend auf der Auflösungsmethode schuf der Franzose Albert Colmeroe 1973 die logische Programmiersprache Prolog. Newell, Simon und Shaw schufen das Logic Theorist-Programm, das Schultheoreme bewies. Allerdings haben logische Modelle erhebliche Einschränkungen hinsichtlich der zu lösenden Klassen von Aufgaben echte Probleme werden oft nicht auf eine Reihe von Axiomen reduziert und eine Person verwendet keine klassische Logik. Die ersten kommerziellen wissensbasierten oder Expertensysteme erschienen in den USA (Mitte der 1970er Jahre). Die Suche nach einem universell denkenden Algorithmus wurde durch die Idee ersetzt, das spezifische Wissen von Fachexperten zu modellieren. Ein neuer Ansatz zur Lösung von Problemen der künstlichen Intelligenz begann angewendet zu werden - die Repräsentation von Wissen. Dies ist ein bedeutender Durchbruch in der Entwicklung praktischer Anwendungen künstlicher Intelligenz. Es wurden die Programme MYCIN (Medizin), DENDRAL (Chemie) erstellt. Finanziert wird das Pentagon ua Ende der 70er Jahre gab Japan den Start eines Projekts für wissensbasierte Maschinen der fünften Generation bekannt. Das Projekt war auf 10 Jahre kalkuliert und umfasste viele qualifizierte Spezialisten. Als Ergebnis wurde eine umständliche und teure PROLOGO-ähnliche Sprache geschaffen, die keine breite Anerkennung fand. Bei verschiedenen angewandten Aufgaben wurden Ergebnisse erzielt, die japanische KI-Vereinigung bestand Mitte der 90er Jahre aus 40.000 Menschen. Seit Mitte der 1980er Jahre steigen die Investitionen in KI, es wurden industrielle Expertensysteme geschaffen und KI hat sich zu einem der vielversprechendsten und prestigeträchtigsten Bereiche der Informatik entwickelt. Geschichte der künstlichen Intelligenz in Russland im Jahr 1954 Das Seminar „Automaten und Denken“ begann seine Arbeit an der Moskauer Staatsuniversität unter der Leitung des Akademikers Lyapunov A.A. (1911-1973), einem der Begründer der russischen Kybernetik. An diesem Seminar nahmen Physiologen, Linguisten, Psychologen, Mathematiker teil. Es ist allgemein anerkannt, dass zu dieser Zeit die künstliche Intelligenz in Russland geboren wurde. Auch im Ausland haben sich zwei Hauptgebiete herausgebildet - die Neurokybernetik und die "Black Box"-Kybernetik. 1954-1964. Es werden separate Programme erstellt und Forschungen im Bereich der Lösung logischer Probleme durchgeführt. In Leningrad (LOMI - die Leningrader Abteilung des Steklov Mathematical Institute) wird das Programm ALPEV LOMI erstellt, das Theoreme automatisch beweist. Es basiert auf der ursprünglichen inversen Ableitung von Maslov, ähnlich der Auflösungsmethode von Robinson. Zu den bedeutendsten Ergebnissen einheimischer Wissenschaftler in den 60er Jahren gehört der Kora-Algorithmus von Mikhail Moiseevich Bongard, der die Aktivität des menschlichen Gehirns bei der Mustererkennung simuliert. Einen großen Beitrag zur Bildung der russischen Schule der KI leisteten die herausragenden Wissenschaftler Tsetlin M.L., Puschkin V.N., Gavrilov M.A., deren Schüler die Pioniere dieser Wissenschaft in Russland waren (zum Beispiel die berühmte Gavrilov-Schule). 1965-1980. eine neue Richtung wird geboren - das Situationsmanagement (entspricht in der westlichen Terminologie der Repräsentation von Wissen). Der Begründer dieser wissenschaftlichen Schule war Prof. Pospelov D.A. Spezielle Modelle der Situationsrepräsentation wurden entwickelt - Wissensrepräsentation [Pospelov, 1986]. REFAL, eine symbolische Datenverarbeitungssprache, wurde am IPM der Akademie der Wissenschaften der UdSSR entwickelt [Turgin, 1968]. Pospelov Dmitry Alexandrovich Eine große Rolle im Kampf um die Anerkennung der KI in unserem Land spielten die Akademiker A.I. Bergn und G.S. Pospelov. Pospelov Germogen Sergeevich 1914 - 1998 Erst 1974 wurde unter dem Ausschuss für Systemanalyse beim Präsidium der Akademie der Wissenschaften der UdSSR der Wissenschaftliche Rat zum Problem der "Künstlichen Intelligenz" gegründet, der von G. S. Pospelov, D. A. Pospelov und L. I. Mikulich. In verschiedenen Phasen gehörten dem Rat M. G. Gaaze-Rapoport, Yu. I. Zhuravlev, L. T. Kuzin, A. S. Narinyani, D. E. Okhotsimsky, A. I. Tikhomirov und VV Chavchanidze an. Auf Initiative des Rates wurden fünf komplexe wissenschaftliche Projekte organisiert, die von führenden Experten auf diesem Gebiet geleitet wurden. Die Projekte vereinten die Forschung in verschiedenen Teams des Landes: „Dialog“ (Arbeiten zum Verständnis natürlicher Sprache, Leiter A.P. Ershov, A.S. Narinyani), „Situation“ (Situationsmanagement, D. A. Pospelov), „Bank“ (Datenbanken, L. T. Kuzin), „Designer“ (exploratives Design, A. I. Polovinkin), „Robot Intelligence“ (D. E. Okhotsimsky). 1980-1990. aktive Forschung wird auf dem Gebiet der Wissensrepräsentation durchgeführt, Wissensrepräsentationssprachen, Expertensysteme (mehr als 300) werden entwickelt. 1988 entsteht die KI – die Association of Artificial Intelligence. Mehr als 300 Forscher sind seine Mitglieder. D. A. Pospelov, ein herausragender Wissenschaftler, dessen Beitrag zur Entwicklung der KI in Russland kaum hoch genug eingeschätzt werden kann, wird einstimmig zum Präsidenten der Vereinigung gewählt. Die größten Zentren befinden sich in Moskau, St. Petersburg, Pereslawl-Salesski, Nowosibirsk. Der wissenschaftliche Rat der Vereinigung umfasst führende Forscher auf dem Gebiet der KI - V. P. Gladun, V. I. Gorodetsky, G. S. Osipov, E. V. Popov, V. L. Stefanyuk, V. F. Khoroshevsky, V. K. Finn, G. S. Tseytin, A. S. Erlikh und andere Wissenschaftler. Im Rahmen des Vereins werden zahlreiche Studien durchgeführt, Schulen für junge Fachkräfte, Seminare und Symposien organisiert, alle zwei Jahre gemeinsame Konferenzen abgehalten und eine wissenschaftliche Zeitschrift herausgegeben. Das Niveau der theoretischen Forschung zur künstlichen Intelligenz in Russland ist nicht niedriger als das weltweite Niveau. Leider schon seit den 1980er Jahren die angewandte Arbeit beginnt, durch einen allmählichen technologischen Rückstand beeinträchtigt zu werden. Derzeit beträgt der Rückstand in der Entwicklung industrieller intelligenter Systeme etwa 3-5 Jahre. Der Forschungsgegenstand und die Hauptforschungsrichtungen im Bereich der künstlichen Intelligenz begrenzte Teilmenge der natürlichen Sprache. Künstliche Intelligenz ist ein Gebiet der Informatik, das sich mit der Entwicklung intelligenter Computersysteme beschäftigt, d.h. Systeme, die über Fähigkeiten verfügen, die wir traditionell mit dem menschlichen Verstand in Verbindung bringen - Sprache verstehen, lernen, die Fähigkeit zu argumentieren, Probleme zu lösen usw. (Barr und Feigenbaum, 1981) Die Forschung auf dem Gebiet der künstlichen Intelligenz zielt darauf ab, Programme zu entwickeln, die Aufgaben lösen, die heute besser von Menschen erledigt werden, da sie die Beteiligung solcher Funktionen des menschlichen Gehirns erfordern, wie die Fähigkeit, basierend auf Wahrnehmung zu lernen , ein besonderes Organisationsgedächtnis und die Fähigkeit, aus Urteilen Schlüsse zu ziehen. Forschungsschwerpunkte im Bereich Künstliche Intelligenz Wissensrepräsentation und Entwicklung wissensbasierter Systeme. Software für Systeme der künstlichen Intelligenz Entwicklung natürlicher Sprachschnittstellen und maschineller Übersetzung Intelligente Roboter Bildung und Selbstlernen Mustererkennung Neue Computerarchitekturen Spiele und maschinelle Kreativität 1. Wissensrepräsentation und Entwicklung wissensbasierter Systeme (knowledge-based systems) Richtung im Bereich der Entwicklung von Systemen der künstlichen Intelligenz. Es ist mit der Entwicklung von Wissensrepräsentationsmodellen verbunden, der Schaffung von Wissensbasen, die den Kern von Expertensystemen bilden. Neuerdings umfasst es Modelle und Methoden zur Extraktion und Strukturierung von Wissen und verschmilzt mit Knowledge Engineering. 2. Software für KI-Systeme (Software Engineering für Al) Im Rahmen dieser Richtung werden spezielle Sprachen zur Lösung intellektueller Probleme entwickelt, bei denen traditionell der Schwerpunkt auf dem Vorherrschen logischer und symbolischer Verarbeitung gegenüber Rechenverfahren liegt. Diese Sprachen konzentrieren sich auf die symbolische Informationsverarbeitung - LISP, PROLOG, SMALLTALK, REFAL usw. Darüber hinaus werden Anwendungspakete erstellt, die sich auf die industrielle Entwicklung intelligenter Systeme oder Softwaretools für künstliche Intelligenz konzentrieren, z. B. KEE. ART, G2 [Hayes-Roth et al., 1987; Popov, Fominykh, Kisel, Shapot, 1996]. Es ist auch sehr beliebt, sogenannte leere Expertensysteme oder "Schalen" zu erstellen - KAPPA, EXSYS, Ml, ECO usw., deren Wissensbasen mit spezifischem Wissen gefüllt werden können, 3. Entwicklung von Schnittstellen für natürliche Sprache und maschinelle Übersetzung ( Verarbeitung natürlicher Sprache) In den 50er Jahren war eines der beliebtesten Forschungsthemen im Bereich der KI die Computerlinguistik und insbesondere die maschinelle Übersetzung (MÜ). Bereits das erste Programm im Bereich natürlichsprachlicher (NL) Schnittstellen – ein Übersetzer aus dem Englischen ins Russische – demonstrierte die Ineffizienz des ursprünglichen Ansatzes auf Basis einer Wort-für-Wort-Übersetzung. Entwickler versuchten jedoch lange Zeit, Programme auf der Grundlage morphologischer Analysen zu erstellen. Die Wirkungslosigkeit dieses Ansatzes hängt mit der offensichtlichen Tatsache zusammen: Eine Person kann einen Text nur auf der Grundlage des Verständnisses seiner Bedeutung und im Zusammenhang mit früheren Informationen oder Kontext übersetzen. Ansonsten erscheinen Übersetzungen im Stil von „Meine liebe Mascha – meine teure Mascha“. In der Zukunft wurden MÜ-Systeme komplizierter und jetzt werden mehrere komplexere Modelle verwendet: Die Verwendung der sogenannten „Zwischensprachen“ oder Bedeutungssprachen, als Ergebnis gibt es eine zusätzliche Übersetzung „ursprüngliche Ausgangssprache – Bedeutungssprache - Übersetzungssprache"; assoziative Suche nach ähnlichen Textfragmenten und deren Übersetzungen in speziellen Textrepositorien oder Datenbanken; struktureller Ansatz, einschließlich sequentieller Analyse und Synthese von Nachrichten in natürlicher Sprache. Traditionell umfasst dieser Ansatz das Vorhandensein mehrerer Analysephasen: 1. Morphologische Analyse – Analyse von Wörtern im Text. 2. Syntaktische Analyse - Analyse der Zusammensetzung von Sätzen und grammatikalischen Beziehungen zwischen Wörtern. 3. Semantische Analyse - Analyse der Bedeutung der Bestandteile jedes Satzes auf der Grundlage einer subjektorientierten Wissensbasis. 4. Pragmatische Analyse - Analyse der Bedeutung von Sätzen in einem realen Kontext auf der Grundlage ihrer eigenen Wissensbasis. Die Synthese von NL-Nachrichten umfasst ähnliche Schritte, jedoch in einer etwas anderen Reihenfolge. 4. Intelligente Roboter (Robotik) Die Idee, Roboter zu erschaffen, ist alles andere als neu. Das Wort „Roboter“ selbst tauchte in den 20er Jahren als Ableitung des tschechischen „Roboters“ auf – harte Drecksarbeit. Sein Autor ist der tschechische Schriftsteller Karel Capek, der die Roboter in seiner Kurzgeschichte R.U.R. Roboter sind elektrische Geräte, die dazu bestimmt sind, menschliche Arbeit zu automatisieren. Es ist möglich, mehrere Generationen in der Geschichte der Entstehung und Entwicklung der Robotik bedingt herauszugreifen: I Generation. Roboter mit einem starren Steuerungsschema. Fast alle modernen Industrieroboter gehören zur ersten Generation. Tatsächlich sind dies programmierbare Manipulatoren. II. Generation. Adaptive Roboter mit Touch-Geräten. Es gibt Muster solcher Roboter, aber sie werden in der Industrie noch wenig eingesetzt. III. Generation. Selbstorganisierende oder intelligente Roboter. Dies ist das ultimative Ziel der Entwicklung der Robotik. Die wichtigsten ungelösten Probleme bei der Entwicklung intelligenter Roboter sind das Problem des maschinellen Sehens und der angemessenen Speicherung und Verarbeitung dreidimensionaler visueller Informationen. Derzeit werden weltweit jährlich mehr als 60.000 Roboter hergestellt. Relevanz der Erstellung intelligenter mobiler Roboter Autonome intelligente mobile Roboter sind für den automatischen Betrieb unter vordefinierten Umgebungsbedingungen ausgelegt. Sie können in verschiedenen Bereichen der menschlichen Tätigkeit eingesetzt werden und können verschiedene Probleme lösen. Zum Beispiel, um Waren zu liefern, verschiedene Gegenstände zu bewegen, Aufklärung durchzuführen, technologische Operationen in einem großen Bereich durchzuführen (z. B. einen Raum zu reinigen) usw. Solche Systeme sind bereit, eine Person zu ersetzen, wenn sie komplexe technologische Operationen ausführen, die mit einem erhöhten Risiko verbunden sind, oder in extremen Umgebungen arbeiten, beispielsweise unter Bedingungen hoher Strahlung, Druck oder Vakuum, und auch menschliche Arbeit in unbeliebten Berufen ersetzen. Mantis Robot Helicopter (2003) Australische Ingenieure der CSIRO-Organisation haben den Mantis-Roboterhubschrauber ("Praying Mantis") entwickelt, der zum ersten Mal autonom fliegen kann, ohne die Verwendung eines globalen Positionsbestimmungssystems (GPS). Die Höhe des "Mantis" beträgt 0,5 Meter und die Länge 1,5 Meter. Gleichzeitig ist der neue Helikopter 4-5 Mal leichter als jedes andere unbemannte Luftfahrzeug und kostet viel weniger. Obwohl der Roboter ferngesteuert werden kann, kann sich die Maschine beim Fliegen ausschließlich auf ihr Computergehirn und ihre Videokameras verlassen. Speziell für den Helikopter wurde ein Inertial Sensing System mit mikroelektromechanischen Sensoren aus einer leichten Magnesiumlegierung entwickelt. Robot Soldiers Talon, SWORDS (2004) Ferngesteuerte Soldaten wurden aus einer Zusammenarbeit zwischen der US-Armee und einer kleinen Firma in Massachusetts namens Foster-Miller geboren. Dieses Unternehmen wurde im vergangenen November von der QinetiQ Group PLC gekauft, die wiederum im Besitz des britischen Verteidigungsministeriums (MOD) und der amerikanischen Holding Carlyle Group ist. Angefangen hat alles mit Robotern namens „Claws“ (TALON). Sie sind seit 2000 im Militärdienst, haben Bosnien, Afghanistan und den Irak besucht, haben nach den Anschlägen vom 11. September mit ihren mechanischen Händen an den Ruinen des World Trade Centers gearbeitet. Ihre Aufgaben waren: das Aufspüren und die Beseitigung von Sprengstoffen sowie die Beobachtung der Zurückweisung. Und das Militär war mit der Qualität dieser Aufgaben zufrieden. Nach einiger Zeit erhielten jedoch Armeebeamte und Mitarbeiter von Foster-Miller nach eigenen Worten Nachrichten von den Soldaten. Sie sagen, wir mögen die Claws, zweifellos, aber geben wir ihnen wenigstens eine Art Waffe. Um die Wünsche des Militärs zu erfüllen, haben Ingenieure des New Jersey Army Arsenal (Picatinny Arsenal) und Foster-Miller Roboter in nur sechs Monaten und 2 Millionen US-Dollar bewaffnet. So wurden aus den "Klauen" "Schwerter" (SWORDS - Special Weapons Observation Reconnaissance Detection Systems), spezielle Waffenerkennungs-, Aufklärungs- und Überwachungssysteme. Es sind "Schwerter", die im Frühjahr im Irak landen werden. Es ist standardmäßig mit einem leichten 5,56-mm-Maschinengewehr M249 (750 Schuss pro Minute) oder einem "mittleren" Maschinengewehr Kaliber 7,62 M240 (7.001.000 Schuss pro Minute) ausgestattet. Ohne Nachladen kann der Roboter 300 bzw. 350 Schüsse abgeben. Der Preis für eine Maschine beträgt 200.000 $ SWORD Robotersoldat in Aktion InsBot Kakerlakenroboter (2003) Forscher aus drei Ländern – Frankreich, Belgien und der Schweiz – entwickeln einen automatisierten Spion in einem Kakerlakenlager. Schon jetzt ist InsBot in der Lage, Gruppen von Kakerlaken zu durchdringen, sie zu beeinflussen und ihr Verhalten zu ändern. Ein Jahrzehnt lang führt ein Eindringling, der sich als Kakerlake ausgibt, abscheuliche Insekten aus dunklen Küchenecken und -winkeln in sauberes Wasser – wo sie vernichtet werden können. Die Entwickler des Roboteragenten träumen überhaupt nicht davon, Kakerlaken ein für alle Mal auszurotten. Ihre Absichten sind globaler. Mit Robotern wollen sie Tiere kontrollieren. Intelligenter Roboter-Staubsauger (2003) 14.01.03 11:16 Uhr iRobot hat einen intelligenten Staubsauger namens Roomba herausgebracht. Es dauerte drei Jahre und mehrere Millionen Dollar, um es zu schaffen. Die Hauptaufgaben, die den Entwicklern gestellt wurden, waren, den Preis des Roboters zu senken und den Energieverbrauch so weit wie möglich zu reduzieren. Die Leistung von Rumba beträgt nur 30 Watt gegenüber typischen 1000 Watt. Der Roboter ist mit fünf Bürsten, zwei Elektromotoren zum Bewegen und drei weiteren zum Bürsten ausgestattet. Ein starker Motor, der jeglichen Staub ansaugt, fehlt der Rumba. Er wird durch gegenläufig rotierende Bürsten ersetzt, die groben Schmutz aufnehmen, und einen leistungsschwachen Saugmotor. Dadurch läuft das Gerät mit Nickelbatterien. Die Räder des Roboters können sich in jede Richtung drehen, sodass er aus den schwierigsten Situationen herauskommt. Vier Infrarot-Sensoren überwachen den Abstand zum Boden und melden das Erreichen der Steigung oder Treppenkante sofort an die Steuerung. Das Steuersystem besteht aus einem 8-Bit-16-MHz-Mikroprozessor, 128 Byte Speicher und einem spezialisierten Betriebssystem. Die Kosten für einen solchen Roboter-Staubsauger betragen 199 US-Dollar. Intelligenter mobiler Roboter basierend auf einem Spielzeug (Russland, 2002) Dieser Roboter wird in der Abteilung für Steuerungsprobleme von MIREA entwickelt. In dieser Arbeit war das Ziel, einen mobilen intelligenten Roboter zu schaffen, der zunächst die Funktionen der Bewegung zu einem Zielpunkt in einer Umgebung mit Hindernissen implementiert. Es wurde entschieden, dass der Roboter nur ein Sichtsystem haben sollte. Der Zielpunkt für einen solchen Roboter kann auf drei Arten gesetzt werden: mit einem Laserpointer; Operator auf der Karte; aus der Ferne über das Internet. R .A .D .™ R .A .D .™ LPT WS VGA A u d io A u sg S o ft S o und M ic In D E -1 8 T V In LAN Netzwerk P Kameraleistung 5. Maschinelles Lernen Ein boomender Bereich künstliche intelligenz. Umfasst Modelle, Methoden und Algorithmen, die sich auf die automatische Akkumulation und Bildung von Wissen auf der Grundlage der Analyse und Verallgemeinerung von Daten konzentrieren [Gayek, Gavranek, 1983; Gladup, 1994; Finn, 1991]. Beinhaltet Lernen am Beispiel (oder induktiv) sowie traditionelle Ansätze aus der Theorie der Mustererkennung. In den letzten Jahren haben sich schnell entwickelnde Systeme des Data Mining - Datenanalyse und Wissensentdeckung - die Suche nach Mustern in Datenbanken eng mit dieser Richtung verbunden. 6. Mustererkennung Traditionell - einer der Bereiche der künstlichen Intelligenz, der noch aus den Anfängen stammt, aber in der heutigen Zeit praktisch zu einer eigenständigen Wissenschaft geworden ist. Sein Hauptansatz ist die Beschreibung von Klassen von Objekten durch bestimmte Werte signifikanter Merkmale. Jedem Objekt ist eine Merkmalsmatrix zugeordnet, nach der seine Erkennung erfolgt. Das Erkennungsverfahren verwendet meist spezielle mathematische Verfahren und Funktionen, die Objekte in Klassen einteilen. Diese Richtung steht in der Nähe des maschinellen Lernens und ist eng mit der Neurokybernetik verwandt. 6. Mustererkennung Traditionell - einer der Bereiche der künstlichen Intelligenz, der noch aus den Anfängen stammt, aber in der heutigen Zeit praktisch zu einer eigenständigen Wissenschaft geworden ist. Sein Hauptansatz ist die Beschreibung von Klassen von Objekten durch bestimmte Werte signifikanter Merkmale. Jedem Objekt ist eine Merkmalsmatrix zugeordnet, nach der seine Erkennung erfolgt. Das Erkennungsverfahren verwendet meist spezielle mathematische Verfahren und Funktionen, die Objekte in Klassen einteilen. Diese Richtung steht in der Nähe des maschinellen Lernens und ist eng mit der Neurokybernetik verwandt. 7. Neue Computerarchitekturen (neue Hardwareplattformen und -architekturen) Die modernsten Prozessoren basieren heute auf der traditionellen sequentiellen von Neumann-Architektur, die in Computern der ersten Generationen verwendet wurde. Diese Architektur ist für die Zeichenverarbeitung äußerst ineffizient. Daher konzentrieren sich die Bemühungen vieler Forschungsteams und Firmen seit Jahrzehnten auf die Entwicklung von Hardwarearchitekturen, die darauf ausgelegt sind, symbolische und logische Daten zu verarbeiten. Es entstehen Prolog- und Lisp-Maschinen, Computer der V- und VI-Generationen. Neuere Entwicklungen widmen sich Datenbankrechnern, Parallel- und Vektorrechnern [Amamiya, Tanaka, 1993]. Und obwohl es erfolgreiche industrielle Lösungen gibt, behindern hohe Kosten, unzureichende Softwareausstattung und Hardware-Inkompatibilität mit herkömmlichen Computern die weit verbreitete Verwendung neuer Architekturen erheblich. 6. Spiele und Maschinenkreativität Dieser eher historisch gewordene Trend ist darauf zurückzuführen, dass zu Beginn der KI-Forschung traditionell intellektuelle Spielaufgaben – Schach, Dame, Go – dazu gehörten. Die ersten Programme basieren auf einem der frühen Ansätze - dem Labyrinth-Denkmodell plus Heuristik. Jetzt geht es eher in eine kommerzielle Richtung, da diese Ideen wissenschaftlich als Sackgassen gelten. Darüber hinaus umfasst diese Richtung die Komposition von Musik durch einen Computer [Zaripov, 1983], Poesie, Märchen [Handbook on AI, 1986] und sogar Aphorismen [Lubich, 1998]. Die Hauptmethode dieser "Kreativität" ist die Methode der Permutationen (Permutationen) sowie die Verwendung einiger Wissensbasen und Daten, die die Ergebnisse der Forschung zu Textstrukturen, Reimen, Szenarien usw. enthalten. Straße zum Meer, absorbiert Bäche und Flüsse verwandte Wissenschaften. Man muss sich nur die Hauptthemen von KI-Konferenzen ansehen, um zu verstehen, wie breit das Feld der KI-Forschung ist: genetische Algorithmen; kognitive Modellierung; intelligente Schnittstellen; Spracherkennung und -synthese; deduktive Modelle.

Als Wissenschaftsrichtung ist sie ein deutliches Beispiel für die Integration verschiedener Wissenschaftsbereiche. Spezialisten der Naturwissenschaften und Computational Sciences untersuchen mit ähnlichen Methoden die Eigenschaften und Funktionsweise lebender Systeme.

Im Allgemeinen ist künstliche Intelligenz ein eigenständiger Bereich der wissenschaftlichen Forschung, der sich aus Errungenschaften in Mathematik und Logik herausgebildet hat und auf dem von der Menschheit angesammelten Wissen über die belebte und unbelebte Natur basiert.

Antike

So bildete sich Mitte des 20. Jahrhunderts ein stabiles wissenschaftliches Erkenntnisfeld über künstliche Intelligenz heraus, aber auch in der Antike und im Mittelalter gab es Versuche in diese Richtung.

Schon die alten Ägypter und Römer bewunderten die Kultstatuen, die gestikulierten und Prophezeiungen sprachen. Natürlich geschah dies mit direkter Hilfe der Priester.

Mittelalter

Im Mittelalter wurde das Konzept der künstlichen Intelligenz in die Aufgabe investiert, eine mechanische humanoide Denkmaschine zu schaffen, die sie möglicherweise an Intelligenz übertreffen könnte. Zu dieser Zeit sprachen sie insbesondere über Homunkuli - kleine künstliche Menschen, die Informationen aus der Welt um sie herum wahrnehmen können.

18. Jahrhundert

Im 18. Jahrhundert wuchs das Interesse an solchen Erfindungen dank der Entwicklung der Technologie und insbesondere des Uhrwerks noch stärker. Mitte der 1750er Jahre entwarf der österreichische Erfinder Friedrich von Knaus, der am Hofe von Franz I. diente, eine Reihe von Maschinen, die mit einem Stift recht lange Texte schreiben konnten.

19. Jahrhundert

Fortschritte in der Mechanik im 19. Jahrhundert trugen zu einem neuen Innovationsschub für ein modernes Verständnis der künstlichen Intelligenz bei. In den 1830er Jahren entwickelte der englische Mathematiker Charles Babbage das Konzept eines komplexen digitalen Rechners, einer analytischen Maschine, von der der Entwickler behauptete, sie könne Züge für das Schachspiel berechnen. Und bereits 1914 stellte der Direktor eines der spanischen technischen Institute, Leonardo Torres Quevedo, ein elektromechanisches Gerät her, mit dem die einfachsten Schach-Endspiele fast so gut gespielt werden konnten wie ein Mensch.

20. Jahrhundert

Seit Mitte der 30er Jahre des letzten Jahrhunderts, seit der Veröffentlichung von Turings Werken, in denen die Probleme der Schaffung von Geräten erörtert wurden, die verschiedene komplexe Probleme unabhängig lösen können, wurde das Problem der künstlichen Intelligenz in der weltweiten wissenschaftlichen Gemeinschaft mit Aufmerksamkeit behandelt. Turing schlug vor, eine solche Maschine als intelligent zu betrachten, die der Tester bei der Kommunikation mit ihr nicht von einer Person unterscheiden kann.

1954 beschloss der amerikanische Forscher Newell, ein Programm zum Schachspielen zu schreiben. An der Arbeit waren Analysten der RAND Corporation beteiligt. Die von Shannon, dem Begründer der Informationstheorie, vorgeschlagene Methode wurde als theoretische Grundlage des Programms verwendet, und seine genaue Formalisierung wurde von Turing durchgeführt. An der Arbeit war auch eine Gruppe niederländischer Psychologen unter der Leitung von De Groot beteiligt, die die Spielstile herausragender Schachspieler untersuchten. Nach zweijähriger gemeinsamer Arbeit schuf dieses Team die Programmiersprache IPL1 – die erste symbolische Sprache zur Verarbeitung von Listen – und schon bald wurde das erste Programm geschrieben, das auf Errungenschaften im Bereich der künstlichen Intelligenz zurückgeführt werden kann. Es war das Logic Theorist-Programm, das entwickelt wurde, um Theoreme in der Aussagenkalküle automatisch zu beweisen. Eigentlich wurde das Programm zum Schachspielen 1957 abgeschlossen. Es basierte auf der sogenannten Heuristik – Regeln, die es Ihnen ermöglichen, eine Wahl zu treffen, wenn keine präzisen theoretischen Grundlagen und Beschreibungen der endgültigen Ziele vorliegen.

Eine der wichtigsten Eigenschaften von Intelligenz ist die Fähigkeit zu lernen. So beschrieb 1961 einer der führenden englischen Experten für künstliche Intelligenz, Professor Michi, einen Mechanismus, der aus 300 Streichholzschachteln bestand und das Tic-Tac-Toe-Spielen lernen konnte. Es reicht jedoch eindeutig nicht aus, anhand nur eines einzigen Merkmals auf Intelligenz zu schließen, geschweige denn von künstlicher Intelligenz zu sprechen.

1956 trafen sich die Begründer der Kybernetik in den Vereinigten Staaten, um die Möglichkeiten der Umsetzung des Projekts „Künstliche Intelligenz“ zu diskutieren. Unter den Konferenzteilnehmern waren McCarthy, Minsky, Shannon, Turing und andere. Ursprünglich wurde dieses Konzept den Eigenschaften von Maschinen zugeschrieben, einzelne menschliche Funktionen zu übernehmen, zum Beispiel von einer Sprache in eine andere zu übersetzen, Objekte zu erkennen, optimale Entscheidungen zu treffen.

In unserem Land entstand die Richtung "Künstliche Intelligenz" mit einer Verzögerung von etwa 10 Jahren und löste den kybernetischen und bionischen Boom in der ersten Hälfte der 60er Jahre des 20. Jahrhunderts ab.

Praktisch von Anfang an haben Wissenschaftler, die sich mit dieser neuen Richtung wissenschaftlicher Erkenntnisse befassten, vorgeschlagen, dass es nützlich ist, mit der konstruktiven Definition und Modellierung des Denkens von den Besonderheiten der Aufgaben auszugehen und sie einzuführen künstliche Intelligenz als Mechanismus zu ihrer Lösung. Künstliche Intelligenz im modernen Sinne ist also eine Reihe von Methoden und Werkzeugen zur Lösung verschiedener komplexer angewandter Probleme unter Verwendung von Prinzipien und Ansätzen, die denen einer Person ähneln, die über ihre Lösung oder Prozesse nachdenkt, die in der belebten oder unbelebten Natur vorkommen.

Allerdings gibt es bis heute keine einheitliche und allgemein anerkannte Definition von Künstlicher Intelligenz. Und das ist nicht verwunderlich. Es genügt, daran zu erinnern, dass es auch keine universelle Definition der menschlichen Intelligenz gibt.

Heute wird auf dem Gebiet der künstlichen Intelligenz in verschiedenen Bereichen geforscht: Wissensrepräsentation, Reasoning Modeling, Knowledge Acquisition, Machine Learning und automatische Hypothesengenerierung, Data Mining und Bildinformationsverarbeitung, Entscheidungsunterstützung, Prozess- und Systemmanagement, Dynamische Intelligenz Systeme, Planung usw.

Die am aktivsten entwickelten Ansätze und Methoden der künstlichen Intelligenz sind im Folgenden aufgeführt:

• künstliche neurale Netzwerke;
• evolutionäres Rechnen;
• Fuzzy-Logik und Fuzzy-Set-Theorie;
• Expertensysteme;
• zellulare Automaten;
• Multiagentensysteme.