Тема Понятие искусственного интеллекта. Средства искусственного интеллекта.

 Тема Понятие искусственного интеллекта. Средства искусственного интеллекта.

Искусственным интеллектом называют комплекс программ, разработанных с целью воспроизведения навыков, присущих человеку. Это способность заниматься решением проблем, планированием, пополнять запас своих знаний, улучшать подход к выполнению поставленных задач в ходе работы над ними.

В целом искусственный интеллект представляет собой набор моделей и методов, который способен на основе полученной информации сделать те или иные выводы. К примеру, это сортировка фотографий или текстов по заданным признакам, составление прогнозов по курсам валют и т.п. Общая характеристика для всех моделей – способность извлечь знания из набора данных. Что-то вроде вычисление значения функции с миллионами и миллиардами переменных.

Главное, чем отличается ИИ – это способность обучаться и совершенствоваться в ходе выполнения поставленных задач. То есть, часто применяемая технология адаптируется к вашим потребностям, в то время как обычная система раз за разом решала бы задачу по одной и той же схеме.

Человек способен не только мыслить, рассуждать, обучаться, решать поставленные задачи, но еще и проявлять при этом эмоции. Кроме того, он живет в социуме и часто подвержен его влиянию. ИИ существует вне социальных установок и не может испытывать никаких эмоций.

Что касается такого параметра, как IQ, то, по мнению большинства ученых, к ИИ он применяться не может. Вроде бы всё логично, потому что с помощью стандартных IQ-тестов проверяют способность человека «качественно» мыслить и уровень интеллектуального развития индивидуума в том или ином возрасте.

Однако и для искусственного интеллекта существует специальный тест Тьюринга. По его результатам определяют уровень обучения машины и её способность перенимать манеру общения, максимально близкую к человеческой. Собственно, такую планку задают компьютерам люди.

3 основных технологических принципа ИИ

К основным технологическим принципам создания искусственного интеллекта относят следующие:

1. Принцип машинного обучения (МО). В нем задействуются алгоритмы самообучения. При этом всё, что требуется от человека – это загрузить в компьютер массив данных и поставить задачу. Машинное обучение может реализовываться посредством разных методик: обучение с учителем, когда именно человек обозначает цель (проверить какую-либо гипотезу, действие закономерности и т.п.). Далее – обучение без учителя. В таком случае уже есть результаты интеллектуального анализа информации, а задача машины – выявлять в них закономерности, имитируя человеческое мышление. Есть еще глубокое обучение – смешанный вариант, применяемый для работы с большими объёмами данных.

2. Использованием нейросетей для обучения искусственного интеллекта. Имеется в виду математически смоделированная система, созданная по аналогии с человеческими нервными клетками (повторяется их строение и порядок функционирования). Идеальный вариант такой системы – способность к самообучению. Технологически, нейросеть представляет собой большой набор процессоров, выполняющих каждый свою задачу в общем проекте. Проще говоря, это суперкомпьютер, состоящий из сети простых компьютеров.

3. Глубокое обучение – это самостоятельный принцип ИИ, предназначенный для поиска закономерностей в громадных массивах с данными. Человеку с такой работой не справиться, а у компьютера для этого есть свои специальные приемы.

3 типа искусственного интеллекта

Специалисты, работающие с ИИ, подразделяют его на три вида:

1. Слабый искусственный интеллект (Weak, или NarrowAI)

Уже созданный человеком. Да, он лучше людей справляется с решением множества задач. К примеру, программа Deep Blue, обыгравшая в 1996 году Гари Каспарова в шахматы. Но Deep Blue только это и умеет и не способна научиться чему-то другому. Такие программы нашли применение в медицинской, банковской сфере, в бизнесе, логистике.

Система Fraud Detector — детище компании Amazon, одного из ведущих мировых ИИ-разработчиков. Программа нацелена на борьбу с онлайн-мошенниками, приносящими миллионы долларов ущерба. Система отслеживает действия пользователей в онлайне и указывает на подозрительные моменты. К примеру, это может быть «странный» заказ, который нужно проверить, прежде чем платить. Такие системы будут полезны крупным компаниям, банковским организациям, интернет-магазинам.

Кроме описанных, существует огромное множество и других способов применения.

2. Сильный искусственный интеллект (b, или GeneralAI)

Наглядный пример сильного ИИ – игра Detroit: Become Human.

В ней роботы максимально приближены к людям, они думают, чувствуют, обучаются, осознают собственное «я», способны принимать решения. В повседневном применении максимально приближены к General AI виртуальные ассистенты и чат-боты, способные общаться почти как люди. «Почти», потому что ни Алиса, ни Siri не умеют самостоятельно думать и принимать решения в незапрограммированных ситуациях. Сильный ИИ – это пока что несбывшаяся мечта.

3. Суперинтеллект (Superintelligence)

Это лучший искусственный интеллект, который, собственно, еще не создан. Более того, у людей нет даже отдаленного представления о том, возможно ли это. Речь идет о компьютерах, превосходящих человека по своему уровню интеллекта. А это уже нечто фантастическое.

Сферы применения ИИ

По мнению многих, раньше считалось, что искусственному интеллекту будет по силам лишь перевести текст, понять человеческую речь, идентифицировать объект и т.п. Однако таких навыков к 2020 году стало столько, что не перечислить на одном листе. Вот лишь некоторые сферы применения ИИ:

Интернет

Использование ИИ в интернете началось с проекта Google Brain (2011 год). Благодаря данной разработке, в поисковике Google появились опции, управляемые искусственным интеллектом. В частности, это возможность голосового ввода в Google-переводчике. Вы просто произносите слово (фразу), и компьютер его переводит.

В систему «Яндекс» разработчики тоже внедрили ИИ. Например, он задействован в голосовом помощнике «Алиса». Кроме того, по запросам, заданным с помощью речи, искусственный интеллект ищет картинки, прогнозы погоды.

Логистика, транспорт

Компании Nissan, BMW, Honda, Volkswagen и Audi с 2000-х годов были в числе первых разработчиков беспилотных автомобилей. Основное, что должно в них быть – радар, GPS-навигатор, специальные видеокамеры, определитель расстояния и света. При этом именно ИИ анализирует поступающую во время движения информацию и принимает на её основе соответствующие решения.

Что касается применения ИИ в логистике, то здесь можно упомянуть беспилотники от Amazon, с помощью которых осуществляются доставки заказов. Уже в конце 2016 первый адресат получил свою посылку именно таким образом.

Финансы

Пример – специальный сервис Decision Intelligence в международной платежной системе MasterCard. Согласно статистике, даже мошенники приносили меньший ущерб, чем сбои в работе системы безопасности. Благодаря Decision Intelligence, компания увеличила свои доходы. Технология позволяет с максимальной точностью подтверждать и выполнять переводы денег, а также сводить к минимуму количество ложных отклонений.

Задача искусственного интеллекта в кредитных сервисах – быстро анализировать историю заемщика, принимать решения по предоставлению ссуд, уменьшать число просрочек платежей или невозврата денег.

Бизнес, ритейл

Яркий пример – владелец крупнейшей торговой сети, компания Walmart. Задействовав искусственный разум, они ввели у себя автоматические платежи, упростили процесс учета, стали применять дроны для доставок.

В магазинах сети начали работать роботы Bossa Nova (с 2017 года) с искусственным интеллектом. Они курсируют по супермаркетам, отслеживают наличие всех товаров на полках, находят неверные ценники, раскупленные продуктовые позиции. Всё это – благодаря специальному ПО, в котором используются элементы ИИ. Собранная информация направляется затем к логистам.

Медицина

Искусственные нейронные сети способны находить признаки патологий на маммографиях, МРТ, КТ, рентгеновских снимках. Системы с ИИ помогают врачам диагностировать болезнь Альцгеймера, проблемы с легкими. ИИ за считанные секунды способен оценить результаты исследований в то время, как врач потратит на это не меньше 20-30 минут.

Еще ИИ «умеет», изучив все имеющиеся факторы, подобрать самый подходящий комплекс лечения для спортсменов, которым требуется восстановление после травмы, например.

Системы безопасности

Главное, к чему здесь сводится применение искусственного интеллекта – это распознавание лиц и идентификация личности. Кроме того, системы безопасности с ИИ способны находить опасные предметы и вещества.

Спорт

При наборе игроков в команды по футболу, бейсболу, баскетболу учитываются индивидуальные способности каждого спортсмена, его техника. Системы искусственного интеллекта на основе этих данных выстраивают прогнозы по потенциальным возможностям игроков.

Еще машины с ИИ способны прогнозировать результаты спортивных матчей. В числе разработчиков подобных систем – компании UBS, Commerzbank, Microsoft. Какие данные нужны для этого искусственному разуму? Например, физическая подготовка игроков, их опыт, место проведения матча, погода в день игры.

Животноводство, сельское хозяйство

Здесь искусственные нейронные сети используются по самым разным направлениям. Подобные разработки в аграрной промышленности есть у компаний Agworld, Farmlogs, Cropx, AGCO. В частности, это беспилотники, оснащенные радарами и GPS-мониторингом, «обученные» доставлять в нужное место опасные химикаты и опрыскивать ими те или иные сельскохозяйственные угодья.

Промышленность

Технологии искусственного интеллекта в промышленности нацелены на автоматизацию процесса производства и сокращение числа работников на предприятии. Роботы с ИИ способны собирать конструкции из деталей (зная, в каком порядке и как они должны быть закреплены), выполнять сборку оптимальным способов (самостоятельно рассчитав его), то есть так, чтобы детали располагались в правильном порядке и абсолютно надежно.

В частности, в планах у корейской компании LG – открытие в 2033 году завода, на котором все процессы будут выполняться с применением систем искусственного интеллекта, начиная с момента закупки сырья и расходных материалов – заканчивая производством и отгрузкой готового продукта заказчикам. Формирование цен, отслеживание износа ПО, выполнение планов и всё прочее тоже будет под контролем ИИ.

Ведущие компании-разработчики искусственного интеллекта

Google

Разумеется, у Google есть разработки, связанные с ИИ, ведь речь идет о гигантской технологической компании, владеющей самым популярным поисковиком и имеющей громадную мобильную ОС. У компании существует возможность применять собственные API (Application Programming Interface) — это программный интерфейс, позволяющий связывать между собой различные приложения (инструменты для создания программ с ИИ) в своих же продуктах и зарабатывать на этом деньги.

Эти API способны распознавать речь, поддерживать диалоги по шаблонам (актуально для колл-центров), переводить слова и фразы с одного языка на другой. Это лишь некоторые, понятные всем разработки, однако у Google их не одна сотня, и предназначены они для самых разных сфер. Большая часть «заточена» на продажи через интернет.

OpenCog

Специалисты компании придумали специальные куски компьютерного кода, предназначенные для создания искусственных нейросетей. Данные архитектуры находятся в открытом доступе. Компания придерживается той установки, что сообществу совместными усилиями скорее удастся изобрести мощный ИИ, способный функционировать в разных сферах.

Microsoft

Детище, принадлежащее данной корпорации и имеющее наибольшую популярность – нейросеть Azure. В большей степени она востребована у программных разработчиков. Система воспринимает речь, способна прогнозировать, ей доступны и другие интеллектуальные способности, аналогичные человеческим. Особое внимание компания уделяет AI, обученному видеть ошибки в кодах. Дело идет к созданию ИИ, который вообще сам будет писать программы.

Российские разработки

Серьезные, активно работающие и интегрированные с бизнесом центры компетенций ИИ в России по большому счету отсутствуют. Многие компании находят возможности использования искусственного интеллекта в своих бизнес моделях. В частности, «Сбербанк» и Mail.ru Group, «Яндекс» и «Лаборатория Касперского», корпорации «Сибур» и «Северсталь». Однако это отнюдь не уникальные в полном смысле слова решения.

 

Тема: База данных

 

Тема: База данных

 1. Понятие базы данных и СУБД

База данных (БД) — совокупность данных, организованная по определенным правилам и предназначенная для длительного хранения во внешней памяти компьютера, постоянного обновления и использования.

 БД представляет собой информационную модель определенной предметной области. Базы данных обеспечивают хранение информации, а также удобный и быстрый доступ к данным. Информация в БД должна быть непротиворечивой, неизбыточной и целостной.

Для создания БД и манипулирования их данными используют системы управления базой данных (СУБД). Они представляют собой совокупность языковых и программных средств, предназначенных для создания, ведения и использования БД. Языковые средства — языки описания и манипулирования данными, языки запросов к БД. Программные средства — прикладные программы для обработки данных, содержащихся в БД.

Таким образом, именно СУБД позволяет создавать базы данных, обновлять и дополнять информацию, обеспечивать гибкий доступ к данным. СУБД создает на экране компьютера определенную среду для работы пользователя (интерфейс БД) и имеет определенные режимы работы и систему команд.

Основные функции СУБД:

·         создание структуры БД;

·         ввод данных в БД и их хранение;

·         изменение (редактирование) структуры БД и данных;

·         поиск данных в БД;

·         сортировка и группировка данных;

·         защита БД;

·         проверка целостности данных БД.

Примеры современных СУБД: Oracle, Firebird, Interbase, MS SQL Server, MySQL, MS Access.

2. Классификация баз данных

1) В зависимости от характера данных различают фактографические и документальные базы данных.

Фактографические БД содержат информацию, относящуюся к определенной предметной области и представленные в строго определенном формате. Например, фактографическими являются базы данных кадрового состава учреждения, транспортных систем, научных данных, сведений о населении, о природных ресурсах и т. д.

Документальные БД служат для хранения и работы с документами. Часто это документы на естественном языке — монографии, публикации в периодике, тексты законодательных актов и т. д. Зачастую документальные БД содержат видео– и звуковые документы.

 

2) По способу хранения данных различают централизованные и распределенные БД. В централизованных БД все данные хранятся на одном компьютере (локальном или сетевом). В распределенных БД части базы сохраняются на множестве компьютеров, объединенных между собой в сеть.

3) В зависимости от вида организации данных различают следующие основные модели представления данных в базе:

·         иерархическую;

·         сетевую;

·         реляционную.

Наиболее распространенной из этих моделей является реляционная. Сегодня появляются новые виды организации БД, как правило, имеющие в своей основе реляционный подход.

В иерархической модели данные представляют в виде древовидной (иерархической) структуры. В ней существует строгая подчиненность элементов, один из которых главный, остальные подчиненные. Такая организация данных удобна для работы с информацией, упорядоченной по уровням, однако для данных со сложными логическими связями она оказывается слишком громоздкой. Графическое представление модели — дерево.

В сетевой модели данные организуются в виде произвольного графа, т. е. связи между элементами произвольны. Она более гибкая, в ней нет явно выраженного главного элемента, существует возможность установления горизонтальных связей. Недостатком ее является высокая сложность реализации.

Кроме того, значительным недостатком иерархической и сетевой моделей является то, что структура данных задается на этапе разработки БД и не может быть изменена позже, при организации доступа к данным.

Реляционная модель представляет собой совокупность таблиц, которые также называют отношениями (отсюда и название: англ. relation — отношение). Эта модель была предложена в 70–х годах XX века сотрудником фирмы IBM Эдгаром Коддом. Она основана на теории множеств и математической логике.

Доказано, что любую структуру данных можно свести к табличной форме.

Достоинствами реляционной модели данных являются простота, гибкость структуры, удобство компьютерной реализации, наличие теоретического описания. Большинство современных БД для персональных компьютеров являются реляционными.

В реляционной БД эффективно реализуются следующие операции:

·         сортировка данных (например, учащихся по алфавиту, сеансов по времени);

·         выборка данных по группам (например, все маршруты по направлениям, все учащиеся по классам);

·         поиск записей (например, поиск книг по их автору, товаров по наименованию) и т. д.

Таблицы реляционной БД

Каждая таблица состоит из строк и столбцов и предназначена для хранения данных об однотипных объектах. Каждая строка содержит информацию об одном конкретном объекте БД (например, книге, сотруднике, товаре), а каждый столбец — конкретную характеристику этого объекта (например, фамилию, название, цену). Строки такой таблицы называются записями, столбцы — полями. Каждое поле должно иметь имя, уникальное в пределах таблицы.

В разных записях значения отдельных полей могут повторяться. Но в таблице должно иметься такое поле или набор полей, значение в котором не повторяется ни для одной записи — оно является уникальным для каждой записи. Такое поле называют ключевым полем (ключом) таблицы. По значению ключевого поля можно однозначно получить всю запись таблицы с этим ключевым значением.

Простой ключ состоит из одного поля, а составной — из нескольких полей. В таблице может быть определен только один ключ, который называют первичным ключом. Например, таким полем может служить код изделия, номер автомобиля или читательского билета.

Любая таблица в реляционной БД обладает следующими свойствами:

·         каждый элемент таблицы — один элемент данных;

·         все поля (столбцы) в таблице являются однородными, т. е. данные в одном столбце имеют один тип (число, текст, дата и т. д.);

·         каждое поле имеет уникальное имя;

·         одинаковые записи (строки) в таблице отсутствуют;

·         порядок следования записей в таблице может быть произвольным.

Каждое поле таблицы имеет определенный тип. Тип — это множество значений, которые может принимать поле, и множество операций, которые можно выполнять над этими значениями. Существуют четыре основных типа для полей БД: символьный, числовой, логический и дата.

Поля символьного типа предназначены для последовательностей символов (тексты, коды и т. д.). Поля даты содержат даты вида «день/месяц/год». числовые поля могут сохранять только числа. Логические поля сохраняют данные, которые могут принимать только одно из двух значений: «да» или «нет» («истина» или «ложь»).

3. Связи между таблицами БД

Как правило, реляционная БД состоит из набора взаимосвязанных таблиц, некоторые из них являются главными, остальные — подчиненными. Организация связи (отношений) между таблицами называется связыванием или соединением таблиц.

Связи между таблицами устанавливаются при создании БД. Поля, которые используются для связывания таблиц, называются полями связи. Поле связи подчиненной таблицы называется внешним ключом.

Существуют следующие виды связей между таблицами:

·         отношение «один–к–одному»;

·         отношения «один–ко–многим» и «много–к–одному»;

·         отношение «много–ко–многим».

Отношение «один–к–одному» означает, что одной записи в главной таблице соответствует не более одной записи в подчиненной таблице. Полями связи в таком случае являются ключевые поля обеих таблиц.

Отношение «один–к–одному» обычно используют, чтобы разбить таблицу с большим числом полей на несколько таблиц. В этом случае в первой таблице остаются поля с наиболее важной и часто используемой информацией, а остальные поля переносятся в другую таблицу. Например, в базе данных библиотеки в первой таблице — поля с названием книги, фамилией ее автора, годом издания, а во второй — поля с датой приобретения книги, местом ее хранения и т. д.

Отношение «один–ко–многим» означает, что одной записи главной таблицы может соответствовать несколько записей подчиненной таблицы, а каждой записи подчиненной — только одна запись главной таблицы. Это наиболее часто встречающийся вид отношений.

Например, в главной таблице хранятся данные о книгах, а в подчиненной — данные о выдаче книг читателям. Одну книгу могут брать в библиотеке для чтения многократно, поэтому одной записи в главной таблице может соответствовать несколько записей в подчиненной таблице.

Отношение «много–к–одному» отличается от отношения «один–ко–многим» только направлением. Если на отношение «один–ко–многим» посмотреть со стороны подчиненной таблицы, а не главной, то оно превращается в отношение «много–к–одному».

Отношение «много–ко–многим» означает, что каждой записи одной таблицы может соответствовать несколько записей другой таблицы, и в то же время каждой записи второй таблицы — несколько записей первой.

Подобное отношение реализуется, например, в базе данных библиотеки между таблицами книг и читателей. Любую книгу могут взять для чтения (по очереди) много читателей, и любой читатель может взять несколько книг.

Для отношения «много–ко–многим» сложно организовывать связи между таблицами и взаимодействие между их записями. Многие СУБД, в том числе MS Access, не поддерживают организацию подобного отношения. В таких случаях его реализуют через отношение «один–ко–многим». Например, отношением «один–ко–многим» связаны таблица книг и таблица выдачи книг читателям, и таким же отношением связаны таблица читателей и таблица выдачи книг читателям.

 

4. Добавление и удаление записей таблицы БД

Информация БД постоянно обновляется. Способы добавления и удаления записей в ее таблицах зависят от возможностей, предоставляемых СУБД.

Наиболее просто это осуществляется в тех СУБД, которые имеют графический интерфейс. Например, для добавления записи в таблицу MS Access достаточно установить курсор в последнюю строку таблицы и ввести данные в поля. Эта последняя строка всегда пустая и помечена слева символом *. Чтобы быстро попасть в нее, можно воспользоваться кнопкой Новая (пустая) запись в строке состояния таблицы.

Для перехода от одного поля к другому используют клавишу Enter. Переходить от одной записи к другой можно с помощью клавиши Enter, мыши или кнопок переходов в строке состояния. Для удаления записи достаточно выделить ее (щелкнуть мышью слева от нее, в зоне выделения) и нажать клавишу Delete.

Как правило, для ввода данных в таблицы создают специальные объекты базы данных — формы. Они содержат поля одной или нескольких таблиц, а также вспомогательные элементы, обеспечивающие удобство ввода и редактирования данных.

5. Способы поиска данных в БД

К способам поиска данных в базе данных можно отнести: 1) Использование команды Поиск, 2) Фильтрация таблицы, 3) Сортировка записей, 4) Создание и использование запросов.

Для поиска данных в таблице существуют разные способы. Например, можно воспользоваться автоматическим поиском по содержимому таблицы и переходить от одного найденного значения к другому. Иной способ — упорядочить (отсортировать) записи таблицы определенным образом, что облегчит поиск нужной информации. Наконец, можно использовать механизм отбора данных — фильтрацию и запросы.

В MS Access для поиска значения достаточно ввести фрагмент искомого значения в поле Поиск строки состояния таблицы. Уже в процессе ввода курсор переместится в соответствующую запись. Для перехода к следующему результату надо нажать клавишу Enter.

Рассмотрим некоторые способы поиска данных в базе данных подробнее.

Сортировка записей в таблице БД

Сортировка данных в таблице — это упорядочение ее записей. Для сортировки надо указать поля сортировки и порядок (по возрастанию или по убыванию значений). Записи в таблице сортируются целиком.

Например, при сортировке таблицы абитуриентов по дате поступления записи с ранней датой будут целиком перемещены вверх по отношению к записям с поздней датой.

В MS Access для сортировки служат команды «По возрастанию» и «По убыванию» в заголовке каждого поля таблицы и на вкладке ленты Главная.

Сортировка полей типа «дата» учитывает календарную последовательность.

Порядок сортировки полей символьного типа (строк) определяется таблицей кодировки символов. Строки сравниваются посимвольно слева направо до первого несовпадающего символа. Символ, имеющий меньший код, определит меньшее значение всего поля. Например, значение строки «март» больше значения «май», т. к. код символа «р» больше кода символа «й». Короткое значение считается меньше длинного, если короткое полностью совпадает с началом длинного. Так, значение «компьютер» меньше значения «компьютерный».

Если строки имеют одинаковую длину и содержат одну и ту же последовательность символов, то они равны.

 

Фильтрация таблицы БД

Зачастую требуется отобрать часть записей таблицы, которые удовлетворяют некоторому условию. Это условие называют критерием отбора.

Отбор записей в самой таблице путем задания условия отбора называется фильтрацией таблицы. Фильтрация позволяет отобрать записи из одной таблицы для простых условий. Если требуется выбрать данные сразу из нескольких таблиц или условие является сложным, создают специальные объекты базы данных — запросы. Они представляют собой средства получения данных из БД в соответствии с требованиями пользователя.

И в том и в другом случае условие отбора должно быть записано в виде логического выражения. Логическое выражение — выражение, содержащее логические и арифметические операции, а также операции сравнения. Результатом логического выражения является логическая величина («истина» либо «ложь»). К логическим выражениям применяются все правила вычисления результатов логических операций.

Простейшая форма логического выражения в условии отбора — указание имени какого–либо поля логического типа. Поскольку такие поля имеют значения «истина» или «ложь», то результат выражения совпадет со значением поля.

Простые логические выражения могут содержать операции сравнения (их еще называют отношениями): больше (>), меньше (<), больше или равно (>=), меньше или равно (<=), равно (=), не равно (≠ или <>). Сравнение данных производится по тем же правилам, что и при сортировке.

Операции сравнения накладывают требования на значения поля. Например, выражение Количество <= 100 требует найти все записи таблицы, в которых значение поля Количество не превышает 100.

Результатом отбора являются те записи таблицы, для полей которых логическое выражение принимает значение «истина».