соотносятся друг с другом?
Искусственный интеллект (ИИ), являющийся важной областью Компьютерных Наук, начал своё развитие в середине 20-го века и с тех пор обрёл множество подразделов и дисциплин, соотношение которых можно представить в виде следующей диаграммы:
В 20-ом веке значительный прогресс был достигнут в классических методах ИИ, иногда обозначаемых как GOFAI (Good Old-Fashioned Artificial Intelligence). Вот некоторые из них:
1. Экспертные системы – компьютерные системы, которые воссоздают процесс принятия решений экспертом в конкретной области. Они функционируют на основе базы знаний, состоящей из фактов и правил, и способны имитировать решения, принятые специалистами в определённой сфере.
2. Семантические сети – структуры, предназначенные для представления знаний в виде графов (узлов и связей между ними). В них узлы обозначают понятия и концепции, а связи (или дуги) между узлами отражают взаимоотношения между этими понятиями и концепциями.
3. Логический подход и символьные рассуждения – связаны с использованием формальной логики и вербальных описаний для представления и манипулирования знаниями. Такие методы активно применяются в системах, где знания заранее структурированы в виде фактов, правил и взаимоотношений.
4. Продукционные системы и системы, основанные на правилах – используют наборы продукционных правил («если-то») для моделирования поведения искусственных систем. Такие системы используют заданные цели и правила для контроля своего поведения и способны создавать планы или стратегии для достижения этих целей.
5. Эвристические алгоритмы – это способы решения задач, не полностью математически обоснованные, но обычно дающие достаточно эффективные решения в большинстве случаев. В общем смысле, эвристика – это подход, который может быть не совсем корректным с математической точки зрения, но при этом оказывается практически полезным.
6. Робототехника – это сфера ИИ, которая объединяет кинематику, механику, электронику и программное обеспечение для создания машин, способных выполнять задачи в физическом мире, сверх областей, уже упомянутых выше.
7. Машинное обучение (ML) – как основная дисциплина внутри области Искусственного Интеллекта (AI), получившая самое сильное развитие в начале 21 века, применяет статистические методы для самообучения систем на основе данных, позволяя системам совершенствовать выполнение задач без явного программирования человеком. Среди техник Машинного обучения можно найти вероятностные алгоритмы, деревья решений, эволюционные алгоритмы и нейронные сети, каждый из которых применяется в различных областях – от создания систем рекомендаций до диагностики.
Нейронные сети (Neural Networks) и Глубокое обучение (Deep Learning) в свою очередь стали основной областью уже внутри Машинного Обучения, постепенно
