ИНЖЕНЕРИЯ ЗНАНИЙ ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ: Нейронный подход к искусственному интеллекту

В истории искусственного интеллекта наряду с символьным сформировался нейронный, или нейрокибернетический, подход, вдохновлённый устройством нервной системы и работой человеческого мозга. В отличие от символьных систем, где человек заранее задаёт правила решения задачи, нейронные системы должны обучаться на примерах. Их знания представлены не в виде понятных человеку правил, а через параметры и связи искусственной нейронной сети. Одной из первых моделей такого типа стал перцептрон, предложенный в конце 1950-х годов американским психологом Фрэнком Розенблаттом. Он стал одним из предшественников современных искусственных нейронных сетей. Перцептрон получает несколько входных сигналов, учитывает их значение и присвоенные им веса, суммирует результаты и на этой основе принимает решение. Чем больше вес определённого сигнала, тем сильнее он влияет на конечный результат. Главное отличие нейронного подхода от символьного состоит в способе решения задачи. Вместо того чтобы заранее описывать машине все необходимые правила, ей предоставляют примеры, на которых она может обучаться. Этот принцип лежит в основе современных нейронных сетей и позволяет решать такие задачи, как распознавание изображений, лиц, речи и рукописных символов. В видео рассматриваются устройство простого перцептрона, его сходство с биологическим нейроном и основные принципы нейронного подхода к искусственному интеллекту.