Tsitaadid raamatust «Искусственный интеллект»
в этой системе интеллекта. Другими словами, подход Джона Маккарти выражался в том, что системы искусственного интеллекта должны имитировать высокоуровневые психологические процессы разумного существа, такие как логическое мышление, логический вывод, речь, творчество и т. д. С другой стороны, его друг и коллега Марвин Мински сформулировал совершенно противоположное определение искусственного интеллекта, которое получило наименование «грязного подхода», или «восходящего искусственного интеллекта». В основе этой парадигмы лежит попытка моделирования естественных процессов, происходящих в самой природе человека. В первую очередь это, конечно же, моделирование нейросетевых процессов в разных аспектах. Наиболее широко проявившейся технологией в рамках грязного подхода стали искусственные нейронные сети, которые моделируют разные процессы человеческого разума на логическом уровне. Можно было бы попробовать смоделировать биохимический уровень, однако для этого не хватает вычислительных мощностей даже сегодня, не говоря уже про те давние времена. Другой известной
Распознавание образов – это важная прикладная задача, часто сводящаяся к классификации и идентификации. Теоретические основы распознавания образов изучаются в рамках междисциплинарной теории распознавания образов, которая сегодня рассматривается как отдельное направление в рамках искусственного интеллекта. Практический аспект распознавания образов на текущий момент чаще всего сводится к использованию искусственных нейронных сетей, а в последнее время в связи с развитием технологий и повышением вычислительных мощностей – с нейронными сетями глубокого обучения. Итак, распознавание образов – это в первую очередь математическая задача по определению класса заданного объекта. Математическая задача ставится довольно абстрактно, а потом эта абстракция «натягивается» на конкретные применения, и отсюда уже возникают задачи по распознаванию видеоизображений, аудиосигналов, каких-либо паттернов в последовательности значений измеряемых параметров и т. д. Если спускаться ещё ниже по лестнице абстракции, то появляются задачи по распознаванию следующих объектов: штрих-код, государственный регистрационный знак на автомобиле, лицо в толпе, инцидент на автомобильной дороге, загруженная мелодия или видеоролик, речь со всеми фонемами и наложенным шумом, факты подхода системы к аварийному режиму – и т. д. и т. п. На теоретическом уровне задача сводится к двум этапам – идентификации и классификации. Сначала
