некоторое возрождение интереса к нейронным сетям. Теуво Кохонен предложил модели нейронной сетей, способных обучаться без учителя, решать задачи кластеризации и визуализации данных (самоорганизующаяся карта Кохонена) и некоторые другие задачи анализа данных.
В 1986 несколькими исследователями независимо друг от друга существенно развит метод обратного распространения ошибки, что в последствии стало основой возрождения массового интереса исследователей ИИ к обучаемым нейронным сетям.
В 1986 году Дэвид Румельхарт и Джеймс Макклеланд опубликовали фундаментальную работу «Параллельно распределенная обработка: исследование микроструктуры познания», которая до сих пор является настольной книгой исследователей в области когнитологии.
В 1990-е годы продолжается исследование возможностей применения эволюционных алгоритмов в ИИ (Джон Коза: Генетическое программирование: компьютерное программирование средствами естественного отбора, 1992; Лоуренс Фогель: Эволюционное вычисление – направление новой философии в машинном интеллекте, 1995).
В 1990-х годах продолжает развиваться теория нечётких множеств. Одним из основных направлений развития становится их интеграция с нейронными сетями (Барт Коско: Нейронные сети и нечеткие системы, 1992; Нечёткое мышление, 1993; Нечеткая инженерия, 1996; Лофти Заде: Нечёткие множества, нейронные сети и мягкие вычисления, 1994; Вычисления при помощи слов, 1996).
В 2007 в университете Торонто Джеффри Хинтон разработал эффективные алгоритмы глубокого обучения многослойных нейронных сетей. В настоящее время алгоритмы глубокого обучения используются поисковыми системами и практически во всех цифровых фотоаппаратах при реализации функции поиска лиц людей, а также во многих других приложениях.
Таким образом, исторически разработки в области ИИ велись в двух основных направлениях:
– первое направление связано с попытками разработки интеллектуальных машин путем моделирования их биологического прототипа – человеческого мозга. Сейчас это направление возрождается на основе развития современных аппаратных и программных средств (микрочипы на основе нечёткой логики, распределенные многопроцессорные системы, многоагентные системы, мягкие вычисления, генетические алгоритмы и нейронные сети и т.д.).
– второе направление связано с разработками методов, приемов, специализированных устройств и программ для компьютеров, обеспечивающих решение сложных математических и логических задач, позволяющих автоматизировать отдельные интеллектуальные действия человека (системы, основанные на знаниях, экспертные системы, прикладные интеллектуальные системы).
Области применения искусственного интеллекта
Системы искусственного интеллекта используются во многих сферах жизни человека. Далее приведены только наиболее востребованные на текущий момент области их применения.
Финансы
СИИ