2. 정보기술은 전자컴퓨터와 현대통신 수단을 이용하여 정보를 수집, 전달, 저장, 처리, 표시 및 발표하는 기술 (신화사전, 비즈니스인서관, 개정판 200 1) 을 말한다.
3. 우리나라 일부 전문가 학자들은 정보기술이 정보가 어떻게 생성, 획득, 전달, 변환, 식별 및 응용되는지를 연구하는 과학기술을 가리킨다고 생각한다.
......
정보 기술 연구에는 정보 관리, 전송 및 처리에 사용되는 과학, 기술, 엔지니어링 및 관리, 관련 소프트웨어 및 장비 및 상호 작용이 포함됩니다.
정보 기술의 응용에는 컴퓨터 하드웨어와 소프트웨어, 네트워크 및 통신 기술, 응용 소프트웨어 개발 도구 등이 포함됩니다. 컴퓨터와 인터넷이 보급된 이래로 사람들은 책, 비즈니스 문서, 신문, 음반, 영화, TV 프로그램, 사운드, 그래픽, 이미지 등 다양한 형태의 정보를 생산, 처리, 교환 및 보급하기 위해 컴퓨터를 점점 더 많이 사용하고 있습니다. ).
기업, 학교 및 기타 조직에서 정보 기술 아키텍처는 전략적 목표를 달성하기 위해 정보 기술을 채택하고 개발하는 포괄적인 구조입니다. 여기에는 관리 및 기술 요소가 포함됩니다. 관리 구성 요소에는 작업, 기능 및 정보 요구 사항, 시스템 구성 및 정보 흐름이 포함됩니다. 기술 구성 요소에는 관리 아키텍처 구현을 위한 정보 기술 표준 및 규칙이 포함됩니다. 컴퓨터는 정보 관리의 중심이기 때문에 컴퓨터 부서는 흔히' 정보기술 부서' 라고 불린다. 일부 회사들은 이 부서를 정보 서비스나 관리 정보 서비스라고 부른다. 다른 기업들은 더 나은 효과를 얻기 위해 정보 기술 부서를 아웃소싱하기로 결정했습니다.
특히 정보 기술은 주로 다음 기술을 포함합니다.
1, 감지 및 인식 기술로 사람의 감각 기관 기능을 확장하여 정보를 얻는 역할을 합니다.
여기에는 정보 인식, 정보 추출, 정보 탐지 등의 기술이 포함됩니다. 이런 기술의 총칭은' 감지 기술' 이다. 그것은 인간의 거의 모든 감각 기관의 인식 기능을 확장시킬 수 있다. 원격 감지 기술은 감지 기술, 측정 기술, 통신 기술을 융합하여 사람들이 정보를 인식하는 능력을 더욱 강화했다.
정보 인식에는 문자 인식, 음성 인식 및 그래픽 인식이 포함됩니다. 일반적으로 "패턴 인식" 이라는 방법을 사용합니다.
2. 정보 전송 기술의 주요 기능은 정보의 빠르고 안정적이며 안전한 전송을 실현하는 것이다.
각종 통신 기술은 모두 이 범주에 속한다. 방송 기술도 정보를 전달하는 기술이다. 저장과 기록은 정보를 "현재" 에서 "미래" 로, 또는 "과거" 에서 "현재" 로 옮기는 활동으로 볼 수 있기 때문에 정보 이전 기술로도 볼 수 있습니다.
3. 정보 처리 및 재생 기술 정보 처리에는 정보 인코딩, 압축 및 암호화가 포함됩니다.
정보 처리에 기초하여,' 정보 재생성' 이라는 새롭고 심층적인 의사 결정 정보를 형성할 수 있다. 정보의 처리와 재생은 현대 전자 컴퓨터의 비범한 기능에 달려 있다.
4. 정보 응용 기술은 정보화 과정의 마지막 부분이다. 여기에는 제어 기술과 디스플레이 기술이 포함됩니다.
정보기술은 사람들이 정보를 얻고, 정보를 전달하고, 정보를 저장하고, 분석하고, 처리하는 기술이다. 정보는 어디에나 있다: 봄따뜻한 꽃은 봄이 오는 메시지이고 곡물 풍작은 가을의 메시지다 ...
자격증
국제 정보화 인재 자격 증명서
국제 정보화 인재 자격증은 국제 정보화 인증협회에서 발급한 자격증이다. 이 프로젝트는 사회에서 국제적으로 유명한 제조업체의 인증 프로그램을 통합하고, 국가가 인정한 업체 중립인증과 교육체계를 확립하여 수많은 인재, 하이나백천의 항모를 만들었다. 국내 최초이자 유일한 공급업체 중립적인 범용 국제 인증증으로 높은 권위성과 국가 정부 인가를 가지고 있습니다.
국제 정보화 인재 자격 프로그램은 두 가지 범주로 나뉩니다.
1. 정보 기반 비즈니스 관리
정보 기술 공학;
여기에는 다음이 포함됩니다.
비즈니스 관리에는 물류 관리자, 마케팅 담당자, 전문 관리자, 전자 상거래 관리자, 전자 정부 관리자, 정보 관리 관리자, 프로젝트 관리자, 인사 관리자, 프로젝트 데이터 분석가가 포함됩니다.
265438+20 세기 비즈니스 관리 정보 기술 인재: 깊고 광범위한 기술 기반뿐만 아니라 각 업종의 정보 및 비즈니스 분석 처리 능력도 있어야 합니다. 그러나 현재 이 방면의 인재는 여전히 상당히 부족하다. 기술인파가 주로 80 대 이후이기 때문에 페기 같은 사람들은 업무 지식이 적고 업무 분석 능력이 낮지만 80 년 전만 해도 정반대였다.
기술 엔지니어링에는 컴퓨터 수리공, 현대 정보 네트워크 직장인, 그래픽 디자이너, 웹 디자이너, 3D 디자이너, AutoCAD 건축 모델링 디자이너, PRO/E 전문 금형 디자이너, 소프트웨어 개발 엔지니어, 네트워크 관리 엔지니어, 데이터베이스 개발 엔지니어, 네트워크 보안 엔지니어, 네트워크 통합 배선 엔지니어 등이 포함됩니다.
컴퓨터 기술은 여전히 발전하고 있으며, 현재 인공지능 (AI) 이 출현하고 있다.
AI (인공지능). 인공지능이라는 단어는 1956 년 다트머스 학회에서 처음 제기됐다. 이후 연구원들은 많은 이론과 원리를 발전시켰고 인공지능의 개념도 확장되었다. 인공지능은 도전적인 과학이며, 이 일에 종사하는 사람은 반드시 컴퓨터 지식, 심리학, 철학을 이해해야 한다. 인공지능은 매우 광범위한 과학으로, 기계 학습, 컴퓨터 시각 등 다양한 분야로 구성되어 있다. 일반적으로 인공지능 연구의 주요 목표 중 하나는 기계가 일반적으로 인간의 지능을 필요로 하는 복잡한 임무를 감당할 수 있도록 하는 것이다. 그러나 시대마다 사람마다 이 복잡한 작품에 대해 서로 다른 이해를 가지고 있다. 예를 들어, 과중한 과학과 공학 계산은 처음에는 인간의 두뇌가 부담한다. 지금 컴퓨터는 이런 계산을 완성할 수 있을 뿐만 아니라, 인뇌보다 더 빠르고 정확하게 할 수 있다. 따라서 현대인들은 더 이상 이런 계산을 "인간의 지혜가 필요한 복잡한 임무" 로 여기지 않는다. 복잡한 작업의 정의는 시대의 발전과 기술의 진보에 따라 변하고, 인공지능의 구체적인 목표는 당연히 시대의 변화에 따라 발전한다는 것을 알 수 있다. 한편으로는 끊임없이 새로운 진보를 이루고, 다른 한편으로는 더 의미 있고 어려운 목표로 전향한다. 현재 인공지능을 연구하는 데 사용할 수 있는 주요 물질적 수단과 인공지능 기술을 실현할 수 있는 기계는 컴퓨터이고, 인공지능의 발전사는 컴퓨터 과학기술의 발전사와 연결되어 있다. 컴퓨터 과학 외에도 인공지능은 정보론, 통제론, 자동화, 바이오닉스, 생물학, 심리학, 수리논리, 언어학, 의학, 철학 등 여러 학과를 포함한다.
인공지능 연구의 주요 내용은 지식 표현, 자동 추리 및 검색 방법, 기계 학습 및 지식 습득, 지식 처리 시스템, 자연어 이해, 컴퓨터 시각, 스마트 로봇, 자동 프로그래밍 등이다.
지식 표현은 인공지능의 기본 문제 중 하나이며 추리와 검색은 표현 방법과 밀접한 관련이 있다. 일반적으로 사용되는 지식 표현으로는 논리적 표현, 생성된 표현식 표현, 의미 네트워크 표현 및 프레임 표현이 있습니다.
상식은 당연히 사람들의 관심을 받고, 사람들은 단조롭지 않은 추리, 정성 추리 등 여러 가지 방법을 제시하여 다양한 각도에서 상식을 표현하고 처리한다.
문제 해결의 자동 추론은 지식을 활용하는 과정이다. 지식 표현 방법이 많기 때문에 그에 상응하는 추리 방법도 많다. 추리 과정은 일반적으로 연역적 추리와 비연역적 추리로 나눌 수 있다. 술어 논리는 연역적 추론의 기초이다. 구조적 표현에 따른 상속 성능 추리는 비연역적이다. 지식 처리의 필요성으로 인해 최근 몇 년간 연결 메커니즘 추리, 유추 추리, 사례 기반 추리, 연역 추리, 제한 추리 등 다양한 비연역 추리 방법이 제기되었다.
검색은 문제 해결의 추론 단계에서 사용되는 지식의 우선 순위를 결정하는 인공 지능의 문제 해결 방법입니다. 무정보지도의 맹목적인 검색과 경험지식지도의 계발적 검색으로 나눌 수 있다. 휴리스틱 지식은 일반적으로 휴리스틱 함수로 표현됩니다. 계발적 지식을 충분히 활용할수록 문제 해결을 위한 검색 공간이 작아진다. 일반적인 휴리스틱 검색 방법에는 A*, AO* 알고리즘 등이 있습니다. 최근 몇 년 동안 검색 방법에 대한 연구가 백만 노드의 초대형 검색 문제에 초점을 맞추기 시작했다.
기계 학습은 인공지능의 또 다른 중요한 과제이다. 기계 학습은 일정한 지식 표현의 의미에서 새로운 지식을 얻는 과정을 말한다. 학습 메커니즘에 따라 귀납학습, 분석 학습, 연계 메커니즘 학습, 유전학습이 주로 있다.
지식 처리 시스템은 주로 지식 기반과 추론 기계로 구성됩니다. 지식 기반 스토리지 시스템에 필요한 지식. 지식의 양이 많고 표현이 많을 때 지식의 합리적인 조직과 관리가 중요하다. 추리기는 문제를 풀 때 지식을 활용하는 기본 방법과 전략을 규정하고 있으며, 추리 과정에서 데이터베이스를 구축하거나 칠판 메커니즘을 사용하여 결과나 교류를 기록해야 한다. 특정 분야 (예: 의료 진단) 의 전문 지식이 기술 자료에 저장되어 있는 경우 이러한 지식 시스템을 전문가 시스템이라고 합니다. 복잡한 문제를 해결하기 위해 단일 전문가 시스템이 다중 에이전트 분산 인공 지능 시스템으로 발전하고 있습니다. 이때 지식 공유, 주체 간 협력, 갈등의 발생과 처리가 연구의 중점 문제가 될 것이다.
첫째, 인공 지능의 역사
인공지능 (AI) 은 컴퓨터 지식, 심리학, 철학을 알아야 하는 도전적인 과학이다. 인공지능은 다양한 분야 (예: 기계 학습, 컴퓨터 시각 등) 로 구성된 광범위한 과학 분야를 포함하고 있다. 일반적으로 인공지능의 목적은 컴퓨터를 사람처럼 생각하게 하는 것이다. 이것은 쉬운 일이 아니다. 만약 당신이 사고 기계를 만들고 싶다면, 당신은 사유가 무엇인지, 한 걸음 더 나아가서, 지혜가 무엇인지, 그 성능이 무엇인지 알아야 한다. (존 F. 케네디, 생각명언) 너는 과학을 말할 수 있다.
집에는 지혜가 있지만, 너는 결코 행인이 아무것도 이해하지 못하고 지식이 없다고 말하지 않을 것이다. 너도 아이가 지혜가 없다고 감히 말할 수는 없지만, 너는 그것이 한 대의 기계에 지혜가 있다고 감히 말할 수 없다. 그렇다면 지혜는 어떻게 구분됩니까? 우리가 말하는 것은, 우리가 하는 일, 우리의 사상이 샘물처럼 우리의 뇌에서 흘러나오는 것은 자연스럽지만, 기계는 할 수 있다. 그렇다면 어떤 기계가 지능일까? 과학자들은 자동차, 기차, 비행기, 라디오 등을 만들었다. 그들은 우리 신체 기관의 기능을 모방하지만 인간의 뇌의 기능을 모방 할 수 있습니까? 지금까지, 우리는 우리의 왕관에 있는 이 물건이 수십억 개의 신경세포로 구성된 장기라는 것만 알고 있다. 우리는 이 물건에 대해 거의 알지 못하며, 그것을 모방하는 것은 아마도 세계에서 가장 어려운 일일 것이다.
영국 과학자 튜링은 지혜의 정의에 기여했다. 만약 기계가 튜링 실험이라는 실험을 통과할 수 있다면, 그것은 스마트한 것이다. 튜링 실험의 본질은 사람이 외모를 보지 않고 기계의 행동과 사람의 행동을 구분할 수 없을 때 기계가 스마트하다는 것이다. 튜링이 이 공헌만 하면 청사에 이름을 붙일 것이라고 생각하지 마라. 컴퓨터를 배우면 컴퓨터인들에게 튜링상을 받는 것은 물리학자의 노벨상을 받는 것과 같다는 것을 알게 될 것이다. 튜링은 이론적으로 컴퓨터 생산의 기초를 다졌다. 그의 걸출한 공헌이 없다면 세상에는 이런 일이 없을 것이다. 인터넷은 말할 것도 없다.
컴퓨터가 등장하기 전부터 과학자들은 인간의 사고를 흉내낼 수 있는 기계를 만들고 싶어 했다. 이 점에서, 나는 또 다른 걸출한 수학자, 철학자 부울을 언급하고 싶다. 그는 다른 걸출한 과학자들과 함께 인간의 사고에 대한 수학화와 정확한 묘사를 통해 지능 기계의 사유 구조와 방법을 확립하고, 우리 오늘 컴퓨터가 사용하는 논리 기초는 바로 그가 창립한 것이다.
컴퓨터를 배우고 싶은 사람들은 모두 부울에 대해 잘 알고 있을 것이다. 우리가 배운 부울 대수학은 그것이 창조한 것이다. 컴퓨터가 등장했을 때, 인류는 인간의 사고를 흉내낼 수 있는 도구를 갖추기 시작했다. 앞으로 몇 년 동안 수많은 과학자들이 이 목표를 위해 노력했다. 이제 인공지능은 더 이상 몇몇 과학자들의 특허가 아니다. 세계의 거의 모든 대학의 컴퓨터학과가 이 학과를 공부하고 있으며, 컴퓨터를 공부하는 대학생도 반드시 이런 과목을 공부해야 한다. 꾸준한 노력으로 지금의 컴퓨터는 이미 매우 똑똑해진 것 같다. 방금 끝난 장기 경기에서 컴퓨터가 사람을 이긴 것은 잘 알려져 있다. 일부 지역에서는 컴퓨터가 사람들이 원래 인간에게 속해 있던 다른 일을 하는 데 도움을 준다는 것을 알아차리지 못할 수도 있습니다. (존 F. 케네디, 컴퓨터명언) 컴퓨터는 그 속도와 정확성으로 인류를 위해 작용한다. 인공지능은 줄곧 컴퓨터 과학의 최전방학과였으며, 컴퓨터 프로그래밍 언어와 기타 컴퓨터 소프트웨어도 인공지능의 진보로 인해 존재한다.
현재 인류는 이미 컴퓨터의 컴퓨팅 능력을 전례 없는 수준으로 끌어올렸고, 인공지능도 다음 세기 컴퓨터 발전의 조류를 이끌 것이다. 현재 인공지능의 발전은 이론적 제약이 아직 뚜렷하지 않기 때문에, 반드시 오늘날의 인터넷처럼 우리의 생활에 깊은 영향을 미칠 것이다.
세계 각지의 인공지능에 대한 연구는 이미 오래전부터 시작되었지만, 인공지능을 진정으로 실현하려면 컴퓨터 탄생부터 계산해야 인간이 기계로 인간의 지능을 실현할 수 있다. AI 라는 영어 단어는 1956 년 회의에서 처음 제기되었다. 그 후 몇 가지 과학적 노력으로 발전하기 시작했다. 인공지능의 진보는 우리가 생각하는 것만큼 빠르지 않다. 인공지능의 기초이론이 완벽하지 않기 때문에, 우리는 본질적으로 우리의 뇌가 왜 생각할 수 있는지, 이런 사고는 무엇에서 오는지, 이런 사고가 왜 생기는지 등을 설명할 수 없다. 그러나 수십 년간의 발전을 거쳐 인공지능은 그 거대한 힘으로 사람들의 생활에 영향을 미치고 있다.
인공지능의 발전과 함께 컴퓨터의 발전을 돌아봅시다. 194 1 년, 미국과 독일이 공동으로 개발한 첫 번째 컴퓨터가 탄생했다. 그 이후로 정보를 저장하고 처리하는 방식에 혁명적인 변화가 일어났다. 첫 번째 컴퓨터의 외형은 그다지 좋지 않다. 그것은 뚱뚱하고 연약해서 에어컨이 설치된 방에서 일해야 한다. 만약 당신이 그것을 어떤 일을 처리하게 하려면, 당신은 전선을 다시 연결해야 합니다. 이것은 노동 절약적인 일이 아니다. 스천사. 나는 프로그래머가 지금 모두 천국에 살고 있다고 생각한다.
마지막으로 1949 년에 프로그램을 저장할 수 있는 컴퓨터를 발명했습니다. 이렇게 프로그래밍하면 결국 용접할 수 있어 훨씬 나아졌다. (윌리엄 셰익스피어, 프로그래머, 프로그래머, 프로그래머, 프로그래머, 프로그래머, 프로그래머) 프로그래밍이 매우 간단해졌기 때문에 컴퓨터 이론의 발전은 결국 인공지능 이론의 출현으로 이어졌다. 사람들은 마침내 정보를 저장하고 자동으로 처리할 수 있는 방법을 찾을 수 있게 되었다.
지금 이 새로운 기계가 인류의 지능을 실현할 수 있을 것 같지만, 1950 년대까지 사람들은 인간의 지능을 이 새로운 기계와 연결시키지 않았다. 우리는 옆에 배가 불룩한 노인을 알아차렸고, 피드백 이론에 대한 그의 연구는 결국 그에게 논점을 제시하게 했다.
인간 지능의 결과는 모두 피드백의 결과이고, 지능은 끊임없이 결과를 몸에 피드백하여 생기는 것이다. 우리 화장실이 좋은 예입니다. 물이 멈추지 않는 이유는 수위 변화를 감지하는 장치가 있기 때문이다. 물이 너무 많으면 수도관을 꺼라. 이는 피드백을 실현한다. 일종의 부정적인 피드백이다. 우리 화장실의 장비조차도 피드백을 얻을 수 있다면, 우리는 한 대의 기계로 피드백을 실현하여 인간 지능의 기계 형태 복제를 실현할 수 있어야 한다. 이 아이디어는 인공지능의 초기에 큰 영향을 미쳤다.
1955 에서 섀넌 등은 트리 구조를 가진 프로그램인 논리 이론가 프로그램을 개발했다. 프로그램이 실행되면 트리를 검색하여 가능한 대답에 가장 가까운 트리의 분기를 찾아 정답을 얻습니다. 이 프로그램은 인공지능사에서 중요한 위치를 차지하고 있으며 학계와 사회에 큰 영향을 미치고 있으며, 우리가 현재 사용하고 있는 많은 방법과 사상은 여전히 50 년대의 이 프로그램에서 나온 것이라고 할 수 있다.
1956 년 인공지능 분야의 또 다른 저명한 과학자 맥카시 (오른쪽 사람) 가 회의를 소집해 인공지능의 미래 발전 방향을 논의했다. 그 이후로 인공지능의 명칭이 정식으로 확립되었다. 이번 대회는 인공지능의 역사에서 큰 성공은 아니었지만 인공지능의 창시자들에게 서로 교류할 수 있는 기회를 주었고, 인공지능의 미래 발전을 위한 길을 닦았다. 이후 노동자 지능의 중점은 스스로 문제를 해결할 수 있는 실용적인 시스템을 구축하고, 시스템에 자습 능력을 요구하기 시작했다. 1957 년 Shannon 등은 일반 문제 해결사 (GPS) 라는 프로그램을 개발하여 Wiener 의 피드백 이론을 확장함으로써 몇 가지 일반적인 문제를 해결할 수 있었습니다. 다른 과학자들이 모두 이 시스템을 개발하기 위해 노력하고 있을 때, 오른쪽의 과학자들은 큰 공헌을 했다. 그는 양식 처리 언어인 LISP 를 만들었는데, 지금도 많은 인공지능 프로그램에서 사용되고 있으며, 거의 인공지능의 대명사가 되었다. 오늘날, LISP 는 여전히 발전하고 있다.
1963, MIT 는 미국 정부와 국방부의 지원을 받아 인공지능 연구를 진행했다. 미국 정부는 다른 일을 하지 않고 냉전 중에 소련과 균형을 유지했다. 이 목적은 약간 폭발적이지만, 그 결과는 인공지능을 크게 발전시켰다. 이후 많은 프로그램이 주목을 받았고, MIT 는 SHRDLU 를 개발했다. 1960 년대에 학생 시스템은 대수학 문제를 해결할 수 있었고, SIR 시스템은 간단한 영어 문장을 이해하기 시작했다. SIR 의 출현은 새로운 학과의 출현으로 이어졌다: 자연어 처리. 1970 년대에 나타난 전문가 시스템은 큰 진보였다. 사람들이 처음으로 컴퓨터가 인간 전문가를 대신할 수 있다는 것을 알게 되었다. 컴퓨터 하드웨어 성능 향상으로 인공지능은 데이터 통계 분석, 의료 진단 참여 등 중요한 활동을 할 수 있게 되었다. 생활의 중요한 측면으로서, 그것은 인류의 생활을 바꾸기 시작했다. 이론적으로, 1970 년대도 대발전시기였고, 컴퓨터는 간단한 사고와 시각을 갖기 시작했다. 하지만 1970 년대에는 또 다른 인공지능 언어인 프롤로그가 탄생했고, LISP 와 함께 인공지능 종사자에게 거의 없어서는 안 될 도구가 되었다. (윌리엄 셰익스피어, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능) 인공지능이 우리에게서 멀리 떨어져 있다고 생각하지 마라. 그것은 이미 우리의 생활, 모호한 통제, 의사 결정 지원 등에 들어갔다. 컴퓨터가 인간을 대신해 단순한 지능 활동을 하게 하고, 인간을 해방시켜 다른 더 유익한 일을 하게 하는 것은 인공지능의 목적이지만, 나는 과학 진리에 대한 끝없는 추구가 궁극적인 동력이라고 생각한다.
둘째, 인공 지능 응용 분야
1, 문제 해결.
인공지능의 첫 번째 위대한 업적은 바둑 프로그램이다. 체스 게임에 적용된 기술들 중 일부는 앞을 내다보고 어려운 문제를 더 쉬운 하위 문제로 분해하고 검색과 문제 요약과 같은 기본적인 인공지능 기술로 발전시킨다. (윌리엄 셰익스피어, 윈스턴, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스, 체스) 오늘날의 컴퓨터 프로그램은 이미 각종 네모난 바둑과 장기의 우승 수준에 도달할 수 있다. 그러나 인간 플레이어가 가지고 있지만 명확하게 표현할 수 없는 능력을 포함하여 해결되지 않았다. 예를 들어 체스 마스터는 바둑의 능력을 통찰한다. 또 다른 문제는 문제의 원래 개념과 관련이 있으며 인공 지능에서는 문제 표상 선택이라고 합니다. 사람들은 종종 문제를 생각하는 방법을 찾아 해결책을 더 쉽게 만들고 문제를 해결할 수 있다. 지금까지 인공지능 프로그램은 그들이 해결하려는 문제, 즉 해결 공간을 검색하고 더 나은 해결책을 찾는 방법을 이미 알고 있다.
논리 추론 및 정리 증명.
논리적 추론은 인공지능 연구에서 가장 오래 지속되는 분야 중 하나로, 대형 데이터베이스의 관련 사실에만 초점을 맞추고, 신뢰할 수 있는 증명에 초점을 맞추고, 새로운 정보가 나타날 때 이러한 증명을 적시에 수정하는 것이 특히 중요하다. 수학의 추측 문제. 증명 또는 반증 정리를 찾는 것은 가설을 근거로 추론하는 능력뿐만 아니라 의학 진단 및 정보 검색을 포함한 많은 비공식 작업을 정리 증명처럼 형식화할 수 있다. 따라서 정리는 인공지능 방법 연구에서 매우 중요한 과제임을 증명한다.
3. 자연어 처리.
자연어 처리는 인공지능 기술이 실제 분야에 적용되는 전형적인 예이다. 다년간의 노력 끝에 이 분야는 이미 많은 현저한 성과를 거두었다. 현재 이 분야의 주요 과제는 주제와 대화 상황에 따라 많은 상식, 즉 세계 지식과 기대에 초점을 맞추고 자연어를 만들고 이해하는 방법이다. 이것은 매우 복잡한 코덱 문제입니다.
4. 지능형 정보 검색 기술.
"() *+(*) 기술의 급속한 발전의 영향으로 정보 수집 및 정제 기술은 현대 컴퓨터 과학 및 기술 연구에서 시급히 해결해야 할 연구 과제가 되었다. 인공지능 기술을 이 분야에 적용하는 것은 인공지능이 실천에 광범위하게 응용되는 계기이자 돌파구이다.
5. 전문가 시스템.
전문가 시스템은 현재 인공지능 중 가장 활발하고 효과적인 연구 분야이다. 그것은 특정 분야에서 많은 지식과 경험을 가진 프로그램 시스템이다. 최근 몇 년 동안' 전문가 시스템' 이나' 지식공학' 연구에서 인공지능 기술을 성공적이고 효과적으로 적용하는 추세가 나타났다. 인간 전문가들은 풍부한 지식을 가지고 있기 때문에 우수한 문제 해결 능력을 얻을 수 있다. 따라서 컴퓨터 프로그램이 이러한 지식을 구현하고 적용할 수 있다면, 인간 전문가가 해결하는 문제도 해결할 수 있어야 하며, 인간 전문가가 추리 과정에서 오류를 발견할 수 있도록 도와야 한다는 점도 이제 입증되었습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 컴퓨터명언) 예를 들어, 광물 탐사, 화학 분석, 계획 및 의료 진단 분야에서 전문가 시스템은 이미 인간 전문가의 수준에 이르렀다. 한 가지 성공 사례는 탐사 시스템이 6543 억 8 천만 달러 이상의 몰리브덴 매장지를 발견했다는 것입니다. DENDRL 시스템의 성능은 이미 일반 전문가의 수준을 능가하여 화학 구조 분석에서 수백 명이 사용할 수 있다. 나의 CIN 시스템은 혈액 전염병의 진단과 치료에 대한 조언을 제공할 수 있다. 정식 검진을 거쳐 세균성 혈액병과 뇌막염에 대한 진단과 치료가 이미 이 방면의 전문가를 능가하였다.
셋째, 인공지능 이론의 수학화 추세가 갈수록 두드러지고 있다.
현대 과학기술이 급속히 발전하는 오늘날, 많은 과학 기술 이론은 모두 수학에 의지하여 증명을 제공하고, 수학에 의거하여 시뮬레이션해야 한다. 인공지능의 발전도 예외는 아니다. 인간의 사고 활동을 형식화하고 상징화하여 컴퓨터에서 실현할 수 있게 하는 것은 이미 인공지능 연구의 중요한 과제가 되었다. 이 점에서 논리학과 관련된 이론, 방법, 기술은 인공지능에 강력한 도구를 제공할 뿐만 아니라 지식 추리를 위한 이론적 토대를 마련하는 데 매우 중요한 역할을 한다. 인공지능에 사용되는 논리는 크게 두 가지 범주로 나눌 수 있다. 하나는 고전적인 명제 논리와 1 차 술어 논리로, 어떤 명제의 진가가' 참' 또는' 거짓' 이 아닌 것이 특징이다. 이런 문제는 수학의 고전 논리 이론으로 해결할 수 있다. 세상에는 여러 가지 사물이 있는데, 어떤 사물이나 개념 외에 불확실한 사물이나 개념이 더 광범위하게 존재한다. 이러한 불확실성은 고전적인 논리 이론으로는 해결할 수 없는 것이다. 따라서 우리는 이러한 문제를 표현하기 위해 새로운 수학 도구를 개발해야 한다. 현재 인공지능에서 불확실한 사물이나 개념은 다중값 논리, 모호한 이론, 확률로 기술되고 처리되고 있다. 다중값 논리, 모호한 이론, 확률은 모두 [! , "] 불확실성을 설명 하기 위해, 하지만 그들 사이에 큰 차이가 있습니다. 다중값 논리는 참 (") 과 거짓 (! ) 여러 개의 중개 진가를 추가하여 사물의 진실성을 묘사하지만, 각 중개 진가를 서로 완전히 분리되어 명확하게 정의된 것으로 간주한다. 모호한 이론은 서로 다른 중간 진값 사이에 명확한 경계가 없어 서로 다른 중간 값이 서로 침투하고 서로 침투하는 특징을 보여 불확실성의 본질을 더 잘 반영한다고 생각한다. 확률은 한 사건이 발생할 가능성을 측정하는 데 사용되지만, 사건 자체의 의미는 명확하지만, 특정 조건 하에서는 일어나지 않을 수도 있다. 모호이론과 애매모호한 이론은 두 가지 다른 각도에서 불확실성을 묘사하기 때문에 모호한 이론은 사물 내부의 불확실성을 묘사하고, 확률은 사물 외부의 불확실성을 묘사한다. 위에서 볼 수 있듯이 수학은 인공지능을 인간의 지능을 잘 시뮬레이션하여 인공지능의 발전을 크게 촉진시켰다. 인공지능에는 현재 수학으로 표현하기 어려운 몇 가지 문제가 있다. 나는 이러한 문제들이 수학 지식이 끊임없이 발전한 후에 빨리 해결될 수 있다고 믿는다.
동사 (verb 의 약자) 인공지능의 발전 현황과 전망
현재 대부분의 인공 지능 시스템은 물리적 기호 시스템의 가정을 기반으로 합니다. 물리적 기호 시스템 가설과 맞설 수 있는 인공지능의 새로운 이론이 등장하기 전에, SOAr 은 지능행동의 일반적인 특징과 인간인지의 구체적 특징을 탐구하는 어려운 여정에서 디자인 원리든 실험 결과든, 남다른 진전이나 성과를 거두어 인공지능 연구의 최전선에 서 있다.
1980 년대 Newell A 를 대표하는 연구원들은 전문가 시스템의 성공 경험을 요약하고 인지과학 연구의 최신 성과를 흡수하며 Soar 을 범용 지능의 아키텍처로 제시했다. 현재, Soar 는 이미 강력한 문제 해결 능력을 보여 주었다. Soar 에서 30 가지 이상의 검색 방법을 구현하고 RI 와 같은 몇 가지 지식 집약적 작업 (전문가 시스템) 을 구현합니다. ROOks 는 새로운 인공 지능 방법을 제안했습니다. 그것은 지능 시스템의 능력이 개념이나 기호 없이 점진적으로 진화할 수 있다고 생각한다. 그 연구에서 네 가지 개념이 강조되었다. (1) 로봇이 처한 상황은 추상적인 묘사를 포함하지 않고 시스템 행동에 직접적인 영향을 미치는 상황에 처해 있다. (2) 콘크리트 로봇은 몸통이 있어 주변 세계에서 직접 경험을 얻고, 작업 후 감각은 즉시 피드백된다. (3) 지능의 원천은 컴퓨팅 장치뿐만 아니라 주변 환경과의 상호 작용을 위한 동적 결정에서 비롯된다. (4) 신흥 지능은 시스템과 주변 세계의 상호 작용, 때로는 시스템의 구성 요소 사이에 나타난다.
동사 (verb 의 약어) 결론
인공지능은 논리적 사고와 모방을 필요로 할 뿐만 아니라, 과학자들이 인간의 뇌와 신경계에 대해 더 많이 연구할수록 감정이 지능의 일부라는 것을 더욱 확신하게 된다. 따라서 인공지능 분야의 다음 돌파구는 컴퓨터에 더 많은 논리적 추리력뿐만 아니라 감정력도 부여하는 것일 수 있다. 많은 과학자들은 기계의 지능이 곧 알버트 아인슈타인과 호킹의 합계를 능가할 것이라고 단언한다. 다음 세기 중엽까지 인류 생활의 성질도 변할 것이다. 신경 이식은 인간의 지식과 사고력을 증강시키고 복합인/기계관계로 전환하기 시작하며 생물 유기체에 대한 인간의 수요를 점차 멈추게 된다. 수많은 아주 작은 로봇들이 뇌의 감각 영역에 자리를 잡고 진짜와 거짓을 분간할 수 없는 가상현실의 시뮬레이션 효과를 만들어 낸다. (윌리엄 셰익스피어, 햄릿, 지혜명언)
인공지능의 실현은 터무니없는 것이 아니다. 힘들지만 인간만이 생각할 수 있다고 규정하는 사람은 없다. 다른 형태의 생명처럼 동물, 식물, 미생물은 모두 다른 형태의 생명이다. 인간은 알 수 없는 방식으로 생각할 수 있고, 컴퓨터는 다른 (반드시 같지는 않음) 형식으로 생각할 수 있다.
유명 소프트웨어 회사인 ADOBE 의 전문 그래픽 소프트웨어인 Illustrator 의 파일 형식!
AI (인공지능): 인공지능. 컴퓨터가 현실 세계 행동과 인간의 사고, 게임 방식을 모방하는 컴퓨팅 능력을 말한다. 그것은 매우 복잡한 컴퓨팅 시스템과 규칙이다.