정보 기술의 인공 지능

인공지능 (AI) 은 컴퓨터 지식, 심리학, 철학을 알아야 하는 도전적인 과학이다. 인공지능은 다양한 분야 (예: 기계 학습, 컴퓨터 시각 등) 로 구성된 광범위한 과학 분야를 포함한다. 일반적으로 인공지능의 목적은 컴퓨터를 사람처럼 생각하게 하는 것이다.

1955 에서 섀넌 등은 트리 구조를 가진 프로그램인 논리 이론가 프로그램을 개발했다. 프로그램이 실행되면 트리를 검색하여 가능한 대답에 가장 가까운 트리의 분기를 찾아 정답을 얻습니다. 이 프로그램은 인공지능의 역사에서 중요한 위치를 차지하고 있으며 학계와 사회에 큰 영향을 미치고 있으며, 우리가 채택한 많은 사고방식은 여전히 50 년대의 이 절차에서 비롯된 것이라고 할 수 있다.

65438-0956 년에 인공지능 분야의 또 다른 저명한 과학자 맥카시가 회의를 소집하여 인공지능의 미래 발전 방향을 토론했다. 그 이후로 인공지능의 명칭이 정식으로 확립되었다. 이번 대회는 인공지능의 역사에서 큰 성공은 아니었지만 인공지능의 창시자들에게 서로 교류할 수 있는 기회를 주었고, 인공지능의 미래 발전을 위한 길을 닦았다. 이후 인공지능의 중점은 스스로 문제를 해결할 수 있는 실용적인 시스템을 구축하고, 시스템에 자습 능력을 요구하기 시작했다. 1957 년 Shannon 등은 일반 문제 해결사 (GPS) 라는 프로그램을 개발하여 Wiener 의 피드백 이론을 확장함으로써 몇 가지 일반적인 문제를 해결할 수 있었습니다. 다른 과학자들이 모두 이 시스템을 개발하기 위해 노력하고 있을 때, 오른쪽의 과학자들은 큰 공헌을 했다. 그는 양식 처리 언어 LISP 를 만들었습니다. 지금까지 많은 인공지능 프로그램이 여전히 이 언어를 사용하고 있으며, 그것은 거의 인공지능의 대명사가 되었다. 오늘날, LISP 는 여전히 발전하고 있다.

1963, MIT 는 미국 정부와 국방부의 지원을 받아 인공지능 연구를 진행했다. 미국 정부는 다른 일을 하지 않고 냉전 중에 소련과 균형을 유지했다. 이 목적은 약간 폭발적이지만, 그 결과는 인공지능을 크게 발전시켰다. 이후 많은 프로그램이 주목을 받았고, MIT 는 SHRDLU 를 개발했다. 1960 년대에 학생 시스템은 대수학 문제를 해결할 수 있었고, SIR 시스템은 간단한 영어 문장을 이해하기 시작했다. SIR 의 출현은 새로운 학과의 출현으로 이어졌다: 자연어 처리. 1970 년대에 나타난 전문가 시스템은 큰 진보였다. 처음으로, 사람들은 컴퓨터가 인간 전문가 대신 일을 할 수 있다는 것을 알고 있다. 컴퓨터 하드웨어의 성능 향상으로 인공지능은 일련의 중요한 활동을 할 수 있게 되었으며, 그것은 생활의 중요한 측면으로 인류의 생활을 변화시키기 시작했다. 이론적으로, 1970 년대도 대발전시기였고, 컴퓨터는 간단한 사고와 시각을 갖기 시작했다. 하지만 1970 년대에는 또 다른 인공지능 언어인 프롤로그가 탄생했고, LISP 와 함께 인공지능 종사자에게 거의 없어서는 안 될 도구가 되었다. (윌리엄 셰익스피어, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능) 인공지능이 우리에게서 멀리 떨어져 있다고 생각하지 마라. 그것은 이미 우리의 생활, 모호한 통제, 의사 결정 지원 등에 들어갔다. 컴퓨터가 인간을 대신해 간단한 지능 활동을 하고, 인간을 해방시켜 다른 더 유익한 일을 하게 하는 것이 인공지능의 목적이다. 문제를 해결하다.

인공지능의 첫 번째 위대한 업적은 바둑 프로그램이다. 체스 게임에 적용된 기술들 중 일부는 앞을 내다보고 어려운 문제를 더 쉬운 하위 문제로 분해하고 검색과 문제 요약과 같은 기본적인 인공지능 기술로 발전시킨다. (윌리엄 셰익스피어, 윈스턴, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스) 오늘날의 컴퓨터 프로그램은 이미 각종 네모난 바둑과 장기의 우승 수준에 도달할 수 있다. 그러나 인간 플레이어가 가지고 있지만 명확하게 표현할 수 없는 능력을 포함하여 해결되지 않았다. 예를 들어 체스 마스터는 바둑의 능력을 통찰한다. 또 다른 문제는 문제의 원래 개념과 관련이 있으며 인공 지능에서는 문제 표상 선택이라고 합니다. 사람들은 종종 문제를 생각하는 방법을 찾아 해결책을 더 쉽게 만들고 문제를 해결할 수 있다. 지금까지 인공지능 프로그램은 그들이 해결하려는 문제, 즉 해결 공간을 검색하고 더 나은 해결책을 찾는 방법을 이미 알고 있다. 논리적 추론과 정리 증명.

논리적 추론은 인공지능 연구에서 가장 오래 지속되는 분야 중 하나로, 대형 데이터베이스의 관련 사실에만 초점을 맞추고, 신뢰할 수 있는 증명에 초점을 맞추고, 새로운 정보가 나타날 때 이러한 증명을 적시에 수정하는 것이 특히 중요하다. 수학의 추측 문제. 증명 또는 반증 정리를 찾는 것은 가설을 근거로 추론하는 능력뿐만 아니라 의료 진단 및 정보 검색을 포함한 많은 비공식 작업을 정리 증명처럼 형식화할 수 있다. 따라서 정리는 인공지능 방법 연구에서 매우 중요한 과제로 증명되었다. 자연어 처리.

자연어 처리는 인공지능 기술이 실제 분야에 적용되는 전형적인 예이다. 다년간의 노력 끝에 이 분야는 이미 많은 현저한 성과를 거두었다. 이 분야의 주요 과제는 컴퓨터 시스템이 어떻게 주제와 대화 상황에 따라 자연어를 생성하고 이해하며 많은 상식, 즉 세계 지식과 기대에 집중할 수 있는가입니다. 이것은 매우 복잡한 코덱 문제입니다. 지능형 정보 검색 기술.

"() *+(*) 기술의 급속한 발전의 영향으로 정보 수집 및 정제 기술은 현대 컴퓨터 과학 및 기술 연구에서 시급히 해결해야 할 연구 과제가 되었다. 인공지능 기술을 이 분야에 적용하는 것은 인공지능이 실천에 광범위하게 응용되는 계기이자 돌파구이다. 전문가 시스템.

전문가 시스템은 현재 인공지능 중 가장 활발하고 효과적인 연구 분야이다. 그것은 특정 분야에서 많은 지식과 경험을 가진 프로그램 시스템이다. "전문가 시스템" 또는 "지식 공학" 연구에서 인공 지능 기술을 성공적이고 효과적으로 적용하는 추세가 나타났습니다. 인간 전문가들은 풍부한 지식을 가지고 있기 때문에 우수한 문제 해결 능력을 얻을 수 있다. 컴퓨터 프로그램이 이러한 지식을 구현하고 적용할 수 있다면 인간 전문가가 해결하는 문제를 해결하고 인간 전문가가 추리 과정에서 오류를 찾도록 도울 수 있어야 한다는 사실이 입증되었습니다. 예를 들어, 광물 탐사, 화학 분석, 계획 및 의료 진단 분야에서 전문가 시스템은 이미 인간 전문가의 수준에 이르렀다. 한 가지 성공 사례는 탐사 시스템이 6543 억 8 천만 달러 이상의 몰리브덴 매장지를 발견했다는 것입니다. DENDRL 시스템의 성능은 이미 일반 전문가의 수준을 능가하여 화학 구조 분석에서 수백 명이 사용할 수 있다. 나의 CIN 시스템은 혈액 전염병의 진단과 치료에 대한 조언을 제공할 수 있다. 정식 검진을 거쳐 세균성 혈액병과 뇌막염에 대한 진단과 치료가 이미 이 방면의 전문가를 능가하였다. 기계 번역

기계 번역도 인공지능 중 가장 활발한 연구 분야로 언어학 수학 컴퓨터 과학을 기반으로 한다. 언어학자들은 컴퓨터 처리에 적합한 사전과 문법 규칙을 제공하고, 수학자는 언어학자가 제공한 자료를 형식화하고 인코딩하며, 컴퓨터 과학자는 기계 번역 및 설계 프로그램에 소프트웨어 수단과 하드웨어 설비를 제공한다. 이러한 측면 중 하나라도 없으면 기계 번역을 실현할 수 없습니다. 기계 번역의 효과는 전적으로 이 세 가지 측면의 공동 노력에 달려 있습니다. 성적으로 볼 때 기계 번역의 질은 최종 목표와는 아직 멀었다. 우리나라 수학자, 언어학자 주해중 교수는' 기계 번역 50 년' 이라는 글에서 기계 번역의 질을 높이기 위해서는 프로그래밍 문제가 아닌 언어 자체를 먼저 해결해야 한다고 지적했다. 몇 가지 프로그램에 의지하여 기계 번역 시스템을 만드는 것은 당연히 기계 번역의 질을 높일 수 없다. 동시에, 그는 또한 인간이 인간의 뇌가 어떻게 언어를 모호하게 인식하고 논리적으로 판단하는지 아직 파악하지 못한 상황에서 기계 번역은' 신다야' 수준에 도달할 수 없다고 지적했다.