La communauté de l'Intelligence artificielle a cherché à comprendre l'intelligence humaine par la construction de programmes informatiques qui présentaient un comportement intelligent. Intelligence était perçu comme un capacité de résolution des problèmes. Problèmes plus humaines semblent avoir raisonné, plutôt que des solutions mathématiques. Le diagnostic d'une maladie pourrait difficilement être calculé. Si un patient a eu un ensemble de symptômes, puis elle avait une maladie particulière. Mais, un tel raisonnement prérequis. Les programmes nécessaires pour avoir la « connaissance » que la maladie présente un groupe particulier de symptômes. Pour la communauté de l'IA, cette vague connaissance résidant dans l'esprit des « Experts » était supérieure à la connaissance de livre de texte. Donc, ils ont appelé les programmes, ce qui a résolu ces problèmes, systèmes experts.
Systèmes experts but managé orientés tâches résoudre problème, y compris le diagnostic, planification, planification, conception et configuration. Une méthode de représentation des connaissances était par "If, alors..." règles. La partie « Si » d'une règle a été convaincu, puis la partie « Puis » de la règle a été conclue. Ceux-ci sont devenus des systèmes experts basée sur des règles. Mais connaissance était parfois factuelles et à d'autres moments, vagues. Connaissances factuelles avait un motif clair pour relations effet, où claire conclusions pouvant être tirées des règles concrètes. La douleur est un symptôme d'une maladie. Si la maladie présentait toujours la douleur, la douleur a fait à la maladie. Mais connaissance vague et jugement s'appelait connaissances heuristiques. C'était plus un art. Le symptôme de douleur pourrait se pointe pas mécaniquement aux maladies, qui présentaient occasionnellement douleur. Incertitude n'a donné des réponses concrètes.
La communauté de l'IA a tenté de résoudre ce problème en proposant une analyse statistique, ou heuristique d'incertitude. Les possibilités étaient représentées par des nombres réels ou des ensembles de vecteurs de valeur réelle. Les vecteurs ont été évaluées au moyen de différents concepts "floues". Les composants des mesures ont été répertoriés, donnant à la base des valeurs numériques. Les variations ont été combinées, à l'aide de méthodes pour le calcul de combinaison des écarts. L'incertitude et ses composants ont été exprimés sous la forme de « écarts. » Incertitude reçut une expression mathématique, qui n'était guère utile dans le diagnostic d'une maladie.
L'esprit humain a fait pas calculer les relations mathématiques pour évaluer l'incertitude. L'esprit savait qu'un symptôme particulier pointé une possibilité, car il utilisé l'intuition, un processus d'élimination, d'identifier instantanément les patrons. Information vague a été puissamment utile à un processus d'élimination, car ils ont éliminé de nombreuses autres possibilités. Si le patient n'avait pas de douleur, toutes les maladies, qui a toujours montré la douleur, pourraient être éliminées. Maladies, qui présentaient parfois des douleurs ont été retenus. Autres symptômes a contribué à l'identification d'une base très réduite. Une sélection a été plus facile d'un groupe plus petit. Incertitude pourrait être fortement utile pour un processus d'élimination.
Intuition est un algorithme, qui a évalué l'ensemble de la base, éliminant tous les contextes qui ne correspondaient pas. Cet algorithme a propulsé les systèmes experts qui a agi rapidement pour reconnaître une maladie, de trouver un cas de jurisprudence ou de diagnostiquer les problèmes d'une machine complexe. C'est instantané, holistique et logique. Si plusieurs réponses parallèles pourraient être présentés, comme dans les paramètres multiples d'une centrale électrique, la reconnaissance a été instantanée. Pour l'esprit, où des millions de paramètres ont été simultanément présentées, reconnaissance de formes en temps réel était pratique. Et élimination était la clé, qui pouvait opérer avec certitude d'incertitude, sans avoir recours à des calculs abscons.
No comments:
Post a Comment