ВИСОКА ПОСЛОВНА ШКОЛА СТРУКОВНИХ СТУДИЈА

БЛАЦЕ

СЕМИНАРСКИ РАД

- Рачунарство и информатика -

Вештачка интелигенција

Концепт и врсте неуронских мрежа

Студент: Лазар Николић Р46/09 Ментор: др Бранислав Јевтовић

У Блацу, 2011. год.

Садржај

Oсновни појмови вештачке интелигенције

| 4

1.1

| Историјски развој и подела вештачке интелигенције

| 6

Концептологија неуронских мрежа

| 8

2.1 | Структура неуронских мрежа

| 10

Својства неуронских мрежа

| 12

3.1 | Модели неурона

| 13

3.2 | Архитектуре и класификација неуронских мрежа

| 14

3.2.1 | Подела неуронских мрежа према броју слојева

| 14

3.2.2 | Подела неуронских мрежа према врсти веза

| 15

3.2.3 | Врсте обучавања неуронских мрежа

| 15

3.2.4 | Подела неуронских мрежа према смеру простирања информација

| 18

3.2.5 | Подела неуронских мрежа према врсти података

| 18

Примена неуронских мрежа

| 19

Закључак

| 20

Референце

| 21

Предговор

ило који проблем за који не постоји ефикасно алгоритамско решење је проблем
вештачке интелигенције.Оваква дефиниција даје практичнији и бољи поглед на
појам вештачке интелигенције од уобичајене Макартијеве дефиниције да је то

област   рачунарства   чији   је   циљ   резоновање   на   рачунару   на   начин   који   је   сличан
људском. Иако ова потоња дефиниција даје интуитивнији и у неком смислу прецизнији
опис   области   којима   се   бави   вештачка   интелигенција,   она   води   ка   озбиљним
онтолошким питањима и проблемима: имамо слику о љ удима као свесним, слободним,
умним   и   рационалним   бићима,   а   у   исто   време   људи   су   агент   и   у   физичком   свету
устројеном   у   научном   смислу   детерминистички   и   материјално     лишеном   смисла
(

механицистички и партикуларно , где честице немају свест

) .

Како то онда да у таквом свету постоје људи као бића са свешћу и намером? Дали је
мог уће ум пренет и из једног органског бића у пуном смислу у неки физички систем
заснован искључиво на постојећој или будућо ј информационој технологији? Ово су
само нека питања које Џон Шерл поставља, повезује их и одговара на њих, а на
последње питање углавном даје негативан одговор . Међутим, то не значи да су
области вештачке интелигенције рекле све што имају, на против - те области већ су
оствариле сјајне резултате, и умногоме помогле као алати и љ удима и науци.

Когнитивне науке, али и оне које су у вези са њом, а нису у директно ј вези са
Ввештачком интелигенцијом и рачунарство м, могу помоћи истраживањима у области
вештачке интелигенције, али често се дешава и обратно . На крају, не постоји потпуно
добра дефиниција вештачке интелигенције јер не постоји ни потпуно добра дефиниција
интелигенције и појмова у вези ње.

Ефикасност се може јасно , па чак и формално дефинисати комплесношћу алгоритма -
нпр . полиномијална комплексност је добра и п ожељ на (у смислу ефикасности) - први
теоријски резулт ати настају тек почетком 1970 - тих година (Стивен Кук, Ричард Карп)

Вештачка интелигенција се може сматрати експерименталном науком у којој се
експерименти врше на рачунару у оквиру модела који су изражени програмима и чијим
се тестирањем и дорађива њем постижу неки модели људске интелигенције (којима се
наука може боље разумети).

Не   постоји   реално   очекивање   нити  циљ   да   вештачка   интелигенција   замени   људску
интелигенциј осим у неким специфичним областима људске делатности и применама
рачунарства   чије   границе   помера   вештачка   интелигенција.   Под   алгоритмом   обично
подразумевамо   уређен   коначан  низ   прецизно   дфинисаних   операција  које  могу   бити
извршене на рачунару. Али то не значи да ће бити извршене у неком разумном времену
-   постоји   математички   формализам   којим   се   ово   може   прецизније   обухватити   и
дефинисати   као   шт   о   су   то   нпр.   Тјурингове   машине   и   слични   формализми   (Алан
Тјуринг,   иначе   је   један   од   првих   информатичара   и   један   од   првих   истраживача
вештачке интелигенције на дигиталним рачунарима , установио је први практичан тест
програма   вештачке   интелигенције   у   коме   раздвојени   учествују   људи,   програми   и
испитивачи) .

На пример , не постоји класичан алгоритам за играње шаха који би могао да се користи
употребљиво јер би алгоритму који би испитао све могуће позиције за сваки потез биле
потребни барем милиони година и на најбржим постојећим рачунарским системима.

Основне две особине области којима се бави вештачка интелигенција (без осврта на
неке одређене добро дефинисане методе):



тичу се обраде симболичких података (

насупрот традиционалној

нумеричкојобради као примени рачунара

)



увек укључују некакав елемент избора: недетерминизам којим се каже да не
постоји алгоритам на основу ког а би изабрали неку опцију у скупу могућих за
дату ситуацију.

Рачунари данас све боље рукују мултимедијалним садржајима али је то руковање и
њихова обрада још увек далеко од онога што људска чула и свест пружају у опажању и
разумевању света. Зато прва особина нуди основу решавања првог проблема на који се
наилази у вештачкој интелигенцији - сакупљање информација .

Постоје добро установљени формализми и у математици и у играма који чине
симболичке (ненумеричке) податке посебно значајним. С друге стране, препознавање и
обрада (pattern recognition) звучних и визуелних сигнала представља изазов за себе, али
је посебно занимљиво разумевање и закључивање које следи након тога.

Након почетног ентузијазма насталог под утицајем технолошког развоја рачунара до
почетка 70 - тих брзо се дошло до закључка о правој тежини проблема вештачке
интелигенције, нпр. да за аутоматско превођење нису довољни само синтаксна анализа,
речник и добри алгоритми претраге већ и знање о семантици језика, па и опште знање и
искуство (познат је пример о програмима за аутоматско превођење, када се између бар
два језика неколико пута иста реченица преведе - анегдота каже да је од енг леске
пословице ,,Далеко од очију, од срца” тако добијен ,,невидљиви идиот”) .

Такви проблеми су нарушили нереално идеа лну слику о вештачкој интелигенцији и
означили период њене кризе, о чему нпр. пише Дрејфус 1972. и касније Лајгтил 1973.
чији претерано критичан извештај утиче на судбине многих истраживачких пројеката
(проблем није био у вештачкој интелигенцији већ у захтевима од тада младе области).

Први успешни експертни системи као што је то био Dendral и Mycin (Едвард
Феигенбаум) представљају почетак изласка из те кризе. Основу изласка чини и
посматрање доменског (декларативног) знања интелигентних система , где су важни
били уопштени алати као што су фрејмови (оквири, п очетком 1970 - тих) Минског
којима се то знањ е формализује али и практично користи. Мински је био познати као
творац микро светова као пробних формалних полигона за решвање проблема вештачке
интелигенције (које је давао својим студентима), какав је био и Свет блокова.