- •«Компьютерная лингвистика»
- •Языковые и неязыковые проблемы искусственного интеллекта.
- •Знание и понимание. Основные методы и структуры представления знаний о языке и мире в компьютерных системах.
- •Изомерийно-неизомерийные отношения в синтаксисе.
- •Принципы организации машинных словарей. Словари словоформ, их достоинства и недостатки.
- •База данных и база знаний. Картина мира и ее отражение в базе знаний.
- •Вероятностные модели и их реальное наполнение на разных уровнях языка.
- •Машинный перевод как одно из направлений искусственного интеллекта.
- •Познание как система.
- •Основные виды языковой изомерии.
- •10. Сценарий как структура логических знаний о ситуации
- •Моделирование единиц языка на всех функциональных языковых уровнях.
- •12.Проблемы анализа и синтеза осмысленных текстов в интеллектуальных системах синтез текста
- •14.Системное грамматическое кодирование разных частей речи.
- •15.Математические структуры для представления полных знаний о языке: плюс-минусовой куб, декартово произведение, симметрично-асимметричные матрицы. Их прогностические возможности.
- •16. Полисемия и омонимия как проблема автоматического перевода
- •18. Познание как система. Проблема снятия неполноты знаний в интеллектуальных системах.
- •19.Системное грамматическое и семантическое кодирование. Концепция матричного машинного словаря.
- •20. Конвергенция и дивергенция на уровне словообразования и словоизменения.
- •26. Понятие лингвистического универсума. Мозаичность отражения реального мира с помощью языка
- •27. Лингвистические проблемы машинного перевода
«Компьютерная лингвистика»
-
Языковые и неязыковые проблемы искусственного интеллекта.
Иску́сственный интелле́кт (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.
характеристики искусственного интеллекта: - наличие собственных развивающихся модели внешнего мира и (баз) данных, что предполагает способность дополнения и развития имеющейся информации (но всегда говорится о… знаниях). Это положение якобы определяет индивидуальность любой модели при конкретной реализации, но, как оказывается, не в смысле «индивидуальности личности», а в смысле однозначности заложенных алгоритмов функционирования и решаемых устройством задач, что не похоже на интеллект; - способность к адаптации; искусственный интеллект – это адаптивная система, хотя только по запрограммированным аспектам; - относительная самостоятельность в оценке ситуации, включая возможность работы в ситуациях, связанных с неполнотой или неоднозначностью приходящих или имеющихся данных, что также обеспечивается заданным программным обеспечением, т.е. «относительной самостоятельности», по сути, нет; - возможность различных (но заранее заданных) интерпретаций запросов к системе и воздействий. на нее. существует два крупных подхода к решению проблемы искусственного интеллекте:
Нисходящий ИИ – имитация высокоуровневых процессов (таких, как рассуждение, речь, эмоции, мышление и тд);
Восходящий ИИ – имитация «низкоуровневых» процессов, которые протекают у нас в голове (например – нейронные сети).
При решении проблемы искусственного интеллекта, ученые прибегают к нескольким подходам:
символьному;
логическому;
агентно-ориентированному;
гибридному.
есть системы, которые чуть-чуть похожи на ИИ.
Deep Blue. Программа для игры в шахматы;
MYCIN. Экспертная система;
20Q. Можно сказать – реализация игры «20 вопросов»;
Распознавание речи. Название говорит само за себя.
-
Знание и понимание. Основные методы и структуры представления знаний о языке и мире в компьютерных системах.
Представление знаний — вопрос, возникающий в информатике и в исследованиях искусственного интеллекта. В информатике он связан — с подбором представления конкретных и обобщённых знаний, сведений и фактов для накопления и обработки информации вЭВМ. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта.
Решение сложных задач часто может быть упрощено правильным выбором метода представления знаний. Опредёленный метод может сделать какую-либо область знаний легко представимой. Например, диагностическая экспертная система MYCIN использовала схему представления знаний, основанную на правилах. Неправильный выбор метода представления затрудняет обработку. В качестве аналогии можно взять вычисления в индо-арабской или римской записи. Деление в столбик проще в первом случае и сложнее во втором. Аналогично, не существует такого способа представления, который можно было бы использовать во всех задачах, или сделать все задачи одинаково простыми.
Одна из проблем в представлении знаний — как хранить и обрабатывать знания в информационных системах формальным способом так, чтобы машины могли использовать их для достижения поставленных задач. Примеры применения — экспертные системы, Машинный перевод, компьютеризированное техническое обслуживание и системы извлечения и поиска информации (включая пользовательские интерфейсы баз данных).