42. Понятие машинного обучения и искусственного интеллекта. Решаемые задачи.

Машинное обучение (англ. Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа выделяющая знания из данных. Различают два типа обучения. Обучение по прецедентам, или индуктивное обучение, основано на выявлении закономерностей в эмпирических данных. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний. Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.

Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (Information Extraction), интеллектуальным анализом данных (Data Mining).

Классические задачи, решаемые с помощью машинного обучения

• Классификация как правило, выполняется с помощью обучения с учителем на этапе собственно обучения.

• Кластеризация как правило, выполняется с помощью обучения без учителя

• Регрессия как правило, выполняется с помощью обучения с учителем на этапе тестирования, является частным случаем задач прогнозирования.

• Понижение размерности данных и их визуализация выполняется с помощью обучения без учителя

• Восстановление плотности распределения вероятности по набору данных

• Одноклассовая классификация и выявление новизны

• Построение ранговых зависимостей

«Искусственный интеллект» ( англ. Artificial intelligence, AI ) - раздел компьютерной лингвистики и информатики, занимающийся формализацией проблем и задач, которые напоминают задачи, выполняемые человеком. При этом, в большинстве случаев алгоритм решения задачи неизвестен заранее. Точного определения этой науки нет, поскольку в философии не решен вопрос о природе и статусе человеческого интеллекта . Нет и точного критерия достижения компьютером «разумности», хотя перед искусственным интеллектом был предложен ряд гипотез, например, Тест Тьюринга или гипотеза Ньюэлла-Саймона . Сейчас существует много подходов как к пониманию задач искусственного интеллекта, так и к созданию интеллектуальных систем .

Одна из классификаций выделяет два подхода к разработке искусственного интеллекта:

нисходящий, семиотический - создание символьных систем , моделирующих высокоуровневые психические процессы : мышление, суждения, речь, эмоции, творчество и т. д.;

восходящий, биологический - изучение нейронных сетей и эволюционные вычисления , моделирующие интеллектуальную поведение на основе меньших «не интеллектуальных» элементов.

Эта наука связана с психологией , нейрофизиологией , Трансгуманизм и другими. Как и все компьютерные науки , она использует математический аппарат . Особое значение для нее имеют философия и робототехника .

Искусственный интеллект - очень молодая область исследований, начало 1956 . Ее исторический путь напоминает синусоиду , каждый «взлет» которой инициировался некоторой новой идеей. На сегодня ее развитие находится на «спаде», уступая применению уже достигнутых результатов в других областях науки, промышленности , бизнесе и даже повседневной жизни.