АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ
ТехнологииДанные, аналитика и ИИМашинное обучение и прикладной ИИВычислительный интеллект

Вычислительный интеллект

Экспертиза РАН

Logo-ran-black.png
Проведена экспертиза
Российской академией наук
Подробнее
Aprove.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проведена экспертиза
Российской академией наук
Подробнее

Вычислительный интеллект (англ. computational intelligence, CI) — это раздел информатики, охватывающий концепции, парадигмы, алгоритмы и реализации систем, предназначенных для демонстрации «интеллектуального» поведения в сложных и изменяющихся условиях[1]. Эти системы предназначены для решения сложных задач в различных технических или коммерческих областях: они способны распознавать и интерпретировать шаблоны, управлять процессами, поддерживать принятие решений или автономно перемещать транспортные средства и роботов в неизведанной среде[2]. Выделяющей чертой вычислительного интеллекта являются способности к обучению или адаптации к новым ситуациям, обобщению, абстрагированию, обнаружению и установлению взаимосвязей[3]. Ключевую роль при этом играют природоаналоговые или вдохновлённые природой методы, такие как нейроэволюция[1].

Подходы вычислительного интеллекта ориентированы главными образом на решение сложных задач из реального мира, для которых недоступны или неприемлемы традиционные математические средства моделирования: процессы либо недостаточно известны, слишком сложны для формализации, подвержены неопределённостям, неожиданным изменениям или случайны по своей природе. Таким образом, ВИ применяется к плохо определённым, нелинейным, изменяющимся во времени и/или стохастическим системам[4].

IEEE Computational Intelligence Society определяет вычислительный интеллект как «теорию, проектирование, применение и развитие вычислительных парадигм биологической и лингвистической мотивации. Традиционно к трём основным столпам ВИ относят нейронные сети, нечеткие системы и эволюционные вычисления. В настоящее время область дополнилась окружающим интеллектом, искусственной жизнью, культурным обучением, искусственными эндокринными сетями, социальным рассуждением и др. За последние годы наблюдается взрывной рост исследований в глубоком обучении, особенно в глубоких сверточных нейронных сетях, которые стали основой современных систем искусственного интеллекта (ИИ), многие из которых построены на методах ВИ»[5]. Однако, ВИ остаётся развивающейся областью, и его исчерпывающее определение, равно как и полный перечень концепций и парадигм, до сих пор не установлены[6].

Требования к построению «интеллектуальной системы» всегда сводятся к моделированию интеллектуального мышления и деятельности в определённой области применения. Знания о предметной области формализуются в виде модели для последующей обработки; качество конечной системы во многом определяется качеством этой модели. Иногда эффективны методы, основанные на данных, иногда — логические модели знаний; часто применяются гибридные подходы[2].

Современные учебники относят к вычислительному интеллекту следующие методы и парадигмы, взаимно дополняющие друг друга:[7][8][9][10][11][12][13]

  • нечеткие системы;
  • нейронные сети (в частности, сверточные нейронные сети);
  • эволюционные вычисления (включая многокритериальную эволюционную оптимизацию);
  • роевой интеллект;
  • байесовские сети;
  • искусственные иммунные системы;
  • теория обучения;
  • вероятностные методы.

Связь между жёсткими и мягкими вычислениями, искусственным и вычислительным интеллектом

Термин «искусственный интеллект» (ИИ; англ. artificial intelligence, AI) выступает в медиа, а также среди части специалистов как зонтичное понятие для смежных техник и ВИ[5]. Краэнен и Эйбен выделяют три подхода к определению ВИ:

  • сопоставление ВИ с ИИ (относительное определение);
  • рассмотрение основных понятий и их ролей в ВИ;
  • перечисление областей, к которым он относится[14].
undefined

Взаимоотношения ВИ и ИИ — предмет постоянных дискуссий. Варианты трактовки включают:

  • ВИ — альтернатива ИИ;
  • ИИ включает ВИ;
  • ВИ включает ИИ.

Л. А. Заде (основатель теории нечетких множеств) вводит различие между жёсткими (hard computing, HC) и мягкими вычислениями (soft computing, SC): первые лежат в основе ИИ, вторые — ВИ[16]. В жёстких вычислениях (а также ИИ) неточность и неопределённость считаются негативными характеристиками, тогда как мягкие вычисления (и ВИ) нацелены на работу с такими ситуациями[10]. Дополнительно, для ИИ характерно символьное представление знаний, а для ВИ — субсимвольное[13].

Жёсткие вычисления построены на принципах определённости, точности и детерминированности. Мягкие вычисления, напротив, воспроизводят особенности работы человеческого мозга с нечеткой, вероятностной информацией и допускают обработку больших объёмов данных приближённым образом, зачастую параллельно[17]. Многие методы ВИ, такие как глубокое обучение, по-прежнему затруднительны для формальной верификации результатов, что остаётся актуальной научной проблемой[17].

Оба термина (ИИ и ВИ) часто путают, а их смыслы изменялись и развивались несколько десятилетий, хотя изначально употреблялся ИИ[18]. Оба термина нередко используются в маркетинговых целях и СМИ, а также эмоционально окрашены по причине связи с человеческим интеллектом, при том что ясного определения интеллекта до сих пор нет[3].

История

В 1950 году Алан Тьюринг одним из первых попытался формализовать понятие машинного интеллекта, предложив тест Тьюринга для оценки способности компьютера к интеллектуальному поведению[19]. Сам термин «вычислительный интеллект» впервые появился в названии журнала в 1985 году[20]. С дальнейшим формированием IEEE Neural Networks Council (1989) и организованной им первой мировой конференцией по ВИ (1994), научное определение этого понятия уточнялось[21].

В настоящее время развитие методов машинного и глубокого обучения на базе различных подходов (контролируемое, неконтролируемое и обучение с подкреплением) существенно расширило возможности вычислительного интеллекта.

Основные алгоритмические подходы ВИ и их приложения

Основные области применения вычислительного интеллекта включают информатику, инженерию, анализ данных и биомедицину.

Нечёткая логика

Нечёткая логика, в отличие от классической булевой логики, оперирует нечёткими множествами, где степень принадлежности элемента задается функцией принадлежности на отрезке [0, 1]. Полученная арифметика и логика позволяют моделировать процессы умозаключения и рассуждения над нечеткими/неточными данными[22]. Особенно эффективна нечёткая логика в задачах управления, обработки изображений, кластеризации и экспертиз, где отсутствует строгое определение понятий[23]. При этом, обучение как таковое в классической нечёткой логике отсутствует[24].

Системы на базе нечеткой логики применяются, в частности, в бытовой технике, автомобильных системах управления, видеотехнике (стабилизация изображения), медицине, космических технологиях и бизнес-стратегиях[25].

Нейронные сети

Искусственные нейронные сети (ИНС), вдохновлённые биологическими прототипами, построены из элементов, моделирующих нейроны и их связи. Они хорошо работают при распределённой обработке информации и способны к обучению на опыте[26]. Применения — анализ и классификация данных, ассоциативная и адресуемая память, кластеризация, генерация паттернов, управление. Преимущества: устойчивость к ошибкам, распознавание образов, способность к обучению[26].

ИНС применяются в медицине (диагностика), распознавании речи и изображений, интеллектуальном анализе данных, прогнозировании, управлении роботами, одобрении кредитов, обнаружении мошенничества и других областях[26]. Современные генеративные системы на базе глубокого обучения и сверточных сетей — такие как ChatGPT и DeepL — представляют новое направление использования ИНС.

Эволюционные вычисления

Эволюционные вычисления — семейство методов глобальной оптимизации, имитирующих процессы естественной эволюции (генетические алгоритмы, эволюционные стратегии, генетическое программирование и др.)[27]. Эти методы особенно эффективны там, где нельзя построить чёткую математическую модель задачи[28]. Распределённость обработки популяции решений позволяет эффективно реализовывать параллельные варианты[29].

Роевой интеллект

Роевой интеллект основывается на коллективном поведении децентрализованных, самоорганизующихся систем агентов. Взаимодействуя с соседями и средой, агенты формируют глобальное поведение без централизованного управления[30]. Основные представители — алгоритмы оптимизации роя частиц и имитации колонии муравьёв, применяемые в численной и комбинаторной оптимизации[31].

Байесовские сети

Байесовские сети позволяют представлять и обрабатывать неопределённые знания в сложных задачах. Это вероятностные графические модели, где зависимые случайные величины связаны ориентированным ациклическим графом. Такие сети широко используются в медицинской диагностике, управлении рисками, информационном поиске и автоматической классификации текстов[32].

Искусственные иммунные системы

Искусственные иммунные системы — класс популяционных метаэвристик, вдохновлённых работой иммунной системы позвоночных. Используя аналогии с репликацией и мутацией лимфоцитов, системы способны к самообучению и адаптации[33]. Применения включают кластеризацию, оптимизацию, моделирование процессов, обнаружение аномалий и кибербезопасность.

Теория обучения

Теория обучения изучает формальные аспекты приобретения знаний и навыков при взаимодействии с окружающей средой. Психологические, когнитивные и информационные процессы объединяются для моделирования способности делать выводы и прогнозировать будущие события на основе предыдущего опыта[34].

Вероятностные методы

Вероятностные методы, впервые введённые П. Эрдёшем и Д. Спенсером, позволяют оценивать результаты работы вычислительных систем при наличии случайности. Такие методы находят возможные решения на основе априорной информации и используются для моделирования и анализа неопределённости[35].

Значение в университетском образовании

Согласно библиометрическим исследованиям, вычислительный интеллект играет ключевую роль в современной научной работе[36]. Тем не менее, учебные курсы по ВИ встречаются редко и ограничены несколькими вузами[37]. Чаще темы ВИ рассматриваются в составе общих курсов по информатике (обычно как факультатив или часть теоретических дисциплин, связанных с ИИ, булевой логикой и моделированием).

С развитием STEM-образования отмечаются положительные сдвиги: мультидисциплинарные подходы способствуют освоению теории сложных адаптивных систем студентами разных профилей[38].

Основные издания

  • IEEE Transactions on Neural Networks and Learning Systems
  • IEEE Transactions on Fuzzy Systems
  • IEEE Transactions on Evolutionary Computation
  • IEEE Transactions on Emerging Topics in Computational Intelligence
  • IEEE Transactions on Autonomous Mental Development
  • IEEE/ACM Transactions on Computational Biology and Bioinformatics
  • IEEE Transactions on Computational Intelligence and AI in Games
  • Applied Computational Intelligence and Soft Computing

Примечания

  1. ↑ 1 2 Kruse, Rudolf. Preface // Computational Intelligence: A Methodological Introduction : [англ.] / Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt … [et al.]. — 3. — Cham : Springer International Publishing, 2022. — P. V. — ISBN 978-3-030-42226-4. — doi:10.1007/978-3-030-42227-1.
  2. ↑ 1 2 Kruse, Rudolf. Intelligent Systems // Computational Intelligence: A Methodological Introduction : [англ.] / Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt. — 3. — Cham : Springer International Publishing, 2022. — P. 1–2. — ISBN 978-3-030-42226-4. — doi:10.1007/978-3-030-42227-1.
  3. ↑ 1 2 Engelbrecht, Andries P. Introduction to Computational Intelligence // Computational Intelligence: An Introduction : [англ.]. — 2. — Chichester, England ; Hoboken, NJ : John Wiley & Sons, 2007. — P. 3–4. — ISBN 978-0-470-03561-0.
  4. ↑ Siddique, N. H. Computational Intelligence // Computational intelligence: synergies of fuzzy logic, neural networks, and evolutionary computing / N. H. Siddique, Hojjat Adeli. — Chichester, West Sussex, United Kingdom : John Wiley & Sons Inc, 2013. — P. 1–2. — ISBN 978-1-118-53481-6.
  5. ↑ 1 2 What is Computational Intelligence? IEEE Computational Intelligence Society. Дата обращения: 18 января 2025. Архивировано 1 мая 2025 года.
  6. ↑ Siddique, Nazmul. Paradigms of Computational Intelligence // Computational intelligence: synergies of fuzzy logic, neural networks, and evolutionary computing : [англ.] / Nazmul Siddique, Hojjat Adeli. — Chichester, West Sussex, United Kingdom : John Wiley & Sons Inc, 2013. — P. 2–3. — ISBN 978-1-118-33784-4.
  7. ↑ Engelbrecht, Andries P. Computational Intelligence Paradigms // Computational intelligence: an introduction : [англ.]. — 2. — Chichester, England ; Hoboken, N.J : J. Wiley & Sons, 2002. — P. 4–11. — ISBN 978-0-470-03561-0.
  8. ↑ Siddique, Nazmul. Approaches to Computational Intelligence // Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks, and Evolutionary Computing : [англ.] / Nazmul Siddique, Hojjat Adeli. — Chichester, West Sussex, United Kingdom : John Wiley & Sons Inc, 2013. — P. 3–10. — ISBN 978-1-118-33784-4.
  9. ↑ Kruse, Rudolf. Computational Intelligence // Computational Intelligence: A Methodological Introduction : [англ.] / Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt … [et al.]. — 3. — Cham : Springer International Publishing, 2022. — P. 2–3. — ISBN 978-3-030-42226-4. — doi:10.1007/978-3-030-42227-1.
  10. ↑ 1 2 Eberhart, Russell C. Preface // Computational Intelligence: Concepts to Implementations : [англ.] / Russell C. Eberhart, Yuhui Shi. — Amsterdam, Boston : Elsevier/Morgan Kaufmann Publishers, 2007. — P. XIII-XIX. — ISBN 978-1-55860-759-0.
  11. ↑ Hanne, Thomas. Computational Intelligence // Computational Intelligence in Logistics and Supply Chain Management / Thomas Hanne, Rolf Dornberger. — Springer-Verlag, 2017. — P. 13–41. — ISBN 978-3-319-40722-7. — doi:10.1007/978-3-319-40722-7.
  12. ↑ Preface // Computational Intelligence Systems in Industrial Engineering: With Recent Theory and Applications : [англ.]. — Paris : Atlantis Press, 2012. — Vol. 6. — P. VII-XI. — ISBN 978-94-91216-76-3. — doi:10.2991/978-94-91216-77-0.
  13. ↑ 1 2 Hošovský, Alexander; Piteľ, Ján; Trojanová, Monika; Židek, Kamil (2021). Matt, Dominik T.; Modrák, Vladimír; Zsifkovits, Helmut, eds. “Computational Intelligence in the Context of Industry 4.0”. Implementing Industry 4.0 in SMEs [англ.]. Springer International Publishing: 30—31. DOI:10.1007/978-3-030-70516-9_2. ISBN 978-3-030-70515-2.
  14. ↑ Craenen, Bart & Eiben, A.E. (2009), Computational Intelligence, in Joost, N.K., Encyclopedia of Life Support Systems (EOLSS), vol. 4, Artificial Intelligence, Oxford, UK: Eolss Publishers. Developed under the Auspices of the UNESCO, <https://www.researchgate.net/publication/231557861>. 
  15. ↑ Kruse, Rudolf. Introduction to Artificial Neural Networks // Computational Intelligence: A Methodological Introduction / Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt … [и др.]. — 3. — Cham, Switzerland : Springer, 2022. — P. 8. — ISBN 978-3-030-42226-4.
  16. ↑ Zadeh, Lotfi A. (апрель 1994). “Fuzzy Logic, Neural Networks, and Soft Computing”. Communications of the ACM [англ.]. 37 (3): 77—84. DOI:10.1145/175247.175255. ISSN 0001-0782. Проверьте дату в |date= (справка на английском)
  17. ↑ 1 2 Soft Computing vs. Hard Computing: Key Differences. WisdomPlexus (26 декабря 2024). Дата обращения: 7 февраля 2025. Архивировано 14 июня 2025 года.
  18. ↑ Engelbrecht, Andries P. Short History // Computational Intelligence: An Introduction : [англ.]. — 2. — Chichester, England ; Hoboken, NJ : John Wiley & Sons, 2007. — P. 11–13. — ISBN 978-0-470-03561-0.
  19. ↑ Turing, Alan M. (1 октября 1950). “I.—COMPUTING MACHINERY AND INTELLIGENCE”. Mind [англ.]. LIX (236): 433—460. DOI:10.1093/mind/LIX.236.433. ISSN 1460-2113.
  20. ↑ Computational Intelligence - Issue archive. Wiley Online Library. doi:10.1111/(ISSN)1467-8640. Дата обращения: 15 февраля 2025.
  21. ↑ IEEE Computational Intelligence Society History. Engineering and Technology history Wiki (22 июля 2014). Дата обращения: 30 октября 2015. Архивировано 18 июля 2025 года.
  22. ↑ Engelbrecht, Andries P. Fuzzy Logic and Reasoning // Computational Intelligence: An Introduction : [англ.]. — 2. — Chichester, England ; Hoboken, NJ : John Wiley & Sons, 2007. — P. 465–474. — ISBN 978-0-470-03561-0.
  23. ↑ Chai, Wesley Fuzzy logic applications. What is Fuzzy Logic? - Definition from SearchEnterpriseAI. Дата обращения: 11 февраля 2025. Архивировано 3 октября 2025 года.
  24. ↑ Siddique, N. H. Fuzzy Logic // Computational intelligence: synergies of fuzzy logic, neural networks, and evolutionary computing / N. H. Siddique, Hojjat Adeli. — Chichester, West Sussex, United Kingdom : John Wiley & Sons Inc, 2013. — P. 4–5. — ISBN 978-1-118-53481-6.
  25. ↑ Pedrycz, Witold. Fuzzy control and fuzzy systems. — 2. — Taunton : Research Studies Press, 1993. — ISBN 978-0-86380-131-0.
  26. ↑ 1 2 3 Engelbrecht, Andries P. Artificial Neural Networks // Computational Intelligence: An Introduction : [англ.]. — 2. — Chichester, England ; Hoboken, NJ : John Wiley & Sons, 2007. — P. 5–7. — ISBN 978-0-470-03561-0.
  27. ↑ De Jong, Kenneth A. Evolutionary Computation: A Unified Approach : [англ.]. — Cambridge, MA : MIT Press, 2006. — ISBN 978-0-262-52960-0.
  28. ↑ De Jong, Kenneth A. Evolutionary Algorithms as Problem Solvers // Evolutionary Computation: A Unified Approach : [англ.]. — Cambridge, MA : MIT Press, 2006. — P. 71–114. — ISBN 978-0-262-52960-0.
  29. ↑ Cantú-Paz, Erick. Efficient and Accurate Parallel Genetic Algorithms. — New York, NY : Springer US, 2001. — Vol. 1. — ISBN 978-1-4613-6964-6. — doi:10.1007/978-1-4615-4369-5.
  30. ↑ Siddique, N. H. Swarm Intelligence // Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks, and Evolutionary Computing : [англ.] / N. H. Siddique, Hojjat Adeli. — Chichester, West Sussex, UK : John Wiley & Sons, 2013. — P. 7–11. — ISBN 978-1-118-33784-4.
  31. ↑ Engelbrecht, Andries P. Swarm Intelligence // Computational Intelligence: An Introduction : [англ.]. — 2. — Chichester, England; Hoboken, NJ : John Wiley & Sons, 2007. — P. 9. — ISBN 978-0-470-03561-0.
  32. ↑ Pourret, Olivier. Bayesian networks: a practical guide to applications / Olivier Pourret, Patrick Naïm, Bruce Gregory Marcot. — Chichester (GB) : J. Wiley, 2008. — ISBN 978-0-470-06030-8.
  33. ↑ Hošovský, Alexander; Piteľ, Ján; Trojanová, Monika; Židek, Kamil (2021). Matt, Dominik T.; Modrák, Vladimír; Zsifkovits, Helmut, eds. “Artificial Immune Systems”. Implementing Industry 4.0 in SMEs [англ.]. Springer International Publishing: 48—52. DOI:10.1007/978-3-030-70516-9_2. ISBN 978-3-030-70515-2.
  34. ↑ Ormrod, Jeanne Ellis. Educational Psychology: Principles and Applications : [англ.]. — 1. — Englewood Cliffs, NJ : Merrill, 1995. — ISBN 978-0-675-21086-7.
  35. ↑ Erdős, Paul. Probabilistic methods in combinatorics / Paul Erdős, Joel H. Spencer. — New York : Academic Press, 1974. — ISBN 978-0-12-240960-8.
  36. ↑ NEES JAN VAN ECK and LUDO WALTMAN (2007). “Bibliometric Mapping of the Computational Intelligence Field”. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems. World Scientific Pub Co Pte Lt. 15 (5): 625—645. DOI:10.1142/s0218488507004911. HDL:1765/10073.
  37. ↑ Minaie, Afsaneh; Sanati-Mehrizy, Paymon; Sanati-Mehrizy, Ali; Sanati-Mehrizy, Reza (2013). “Computational Intelligence Course in Undergraduate Computer Science and Engineering Curricula” (PDF). Age. 23: 1. Дата обращения 2025-02-15.
  38. ↑ Samanta, Biswanath (2011). Computational intelligence: a Tool for Multidisciplinary Education and Research. Proceedings of the 2011 ASEE Northeast Section Annual Conference, University of Hartford.

Литература

  • Computational Intelligence: An Introduction / Andries Engelbrecht. Wiley & Sons. ISBN 0-470-84870-7.
  • Computational Intelligence: A Logical Approach / David Poole, Alan Mackworth, Randy Goebel. Oxford University Press. ISBN 0-19-510270-3.
  • Computational Intelligence: A Methodological Introduction / Kruse, Borgelt, Klawonn, Moewes, Steinbrecher, Held. Springer, 2013. ISBN 9781447150121.

Категории