Розділ «4.4. Нові концепції у теорії штучного інтелекту»

Особливістю HTM-систем є відносна вимогливість до обчислювальних ресурсів. Однак, цей недолік компенсується можливостями розпаралелювання обчислень. У найближчій перспективі очікується поява спеціальних нейрочипів, які реалізують функціональність HTM-систем на апаратному рівні.

Серед замовників, які успішно використовують програмну систему Numenta - компанія EDSA Micro, яка спеціалізується на моніторингу промислових мереж електроживлення і зацікавлена у методах оперативної інтерпретації даних, які поступають від декількох тисяч джерел; автомобілебудівна фірма, яка використовує HTM-системи для виявлення аварійнонебезпечних ситуацій на основі показів з інфрачервоних, ультразвукових та інших бортових сенсорів; нафтогазорозвідувальна компанія (не розголошує своєї назви), що розробляє методи трансформації даних, які отримуються з сейсмологічних джерел та супутників для виявлення перспективних місць буріння свердловин нафто- та газовидобування; адміністрація торгівельного Web-порталу, яка з допомогою інтелектуального програмного забезпечення Numenta планує відслідковувати споживчі нахили користувачів з метою покращення якості їх обслуговування. Також передбачається успішне використання програми для аналізу та інтерпретації результатів спостережень за космологічними та квантовомеханічними явищами, які за складністю перевищують можливості звичайної комп'ютерної обробки.

На сьогоднішній день пріоритетом компанії Numenta - організація масштабного вивчення сфер практичного застосування HTM-систем, тому дослідна версія програмної платформи на сьогодні поширюється з відкритою ліцензією на використання.

Однак, розроблена програмна система має певні недоліки.

Насамперед, навчання НТМ- системи є доволі складним процесом. Іншим критичним фактором стосовно відповідності програмних процесів, які моделюються системою Numenta до реальних процесів мислення живих істот є результати ветеринарних фізіологічних досліджень, які показують, що, наприклад, мозок ворони та й деяких інших достатньо розумних птахів майже зовсім немає кори (кортекса), однак це зовсім не зменшує їх розум. Більше того, саме ця категорія птахів досить добре піддається тренуванню.

Розроблені на сьогодні НТМ- системи здатні запам'ятовувати і передбачати. Але вони не здатні формувати емоції, які характерні для людини, та й для деяких тварин з родини ссавців. Існує гіпотеза, що відповідні зони зосереджені не лише в кортексі, а й у інших частинах головного мозку. Однак, без програмного відтворення їх роботи неможливе коректне відтворення процесу мислення. Тому така програма, що відтворює роботу частини "беземоційного" мозку не зможе розв'язати навіть елементарні тести на мислення, наприклад, тест Тьюринга.

Тому на сьогоднішній день, за думкою багатьох вчених даного наукового напрямку існує думка, що розроблена програмна система Numenta, яка ґрунтується на теоретичних концепціях моделі штучного інтелекту Д. Хоукінза, є лише початковим етапом у довжелезному ланцюзі наукових досліджень, які повинно буде здійснити людство в процесі свого наукового розвитку.

Резюме

Для аналізу і розв'язання економічних задач, сучасні інформаційні технології пропонують широкий спектр засобів прийняття рішень із використанням даних, знань, об'єктивних чи суб'єктивних моделей, технологій видобування знань. Методи видобування знань можна умовно розбити на п'ять груп: класифікація; кластеризація (сегментація); регресія; асоціація.

Завданням напряму штучного інтелекту є розробка апаратно-програмних засобів, що дозволяють користувачу формулювати і розв'язувати інтелектуальні задачі. До складу понять штучного інтелекту сьогодні відносять нейронні мережі, нечітку логіку, експертні системи, комп'ютери п'ятого покоління, системи моделювання мислення, тощо. Нейронні мережі можуть ефективно використовуватись для розв'язання задач прогнозування на основі аналізу часових рядів; ідентифікації об'єктів і класифікації; оптимізації.

Ключові слова

Штучний інтелект, експертні системи, виявлення (видобування) знань, сегментація (кластеризація) даних, шаблон, асоціація, штучний нейрон, нейронна мережа, мапа Кохонена, системи підтримки прийняття рішень, НТМ- система.

Запитання і завдання для обговорення та самоперевірки:

► Назвіть види задач, що розв'язуються засобами штучного інтелекту.

► Охарактеризуйте документальний та експертний способи отримання знань.

► Які існують методи видобування знань з даних?

► Поясність, чому для визначення груп покупців неможливо застосувати метод класифікації.

► Який метод виявлення знань використовується при визначенні вірогідності повернення кредиту?

► Наведіть приклади асоціацій - серед продовольчих або продуктових товарів.

► Охарактеризуйте призначення штучного інтелекту.