· определение понятий (дефиниции);
· выявление причинно-следственных связей;
· интерпретация связей и свойств исследуемых объектов;
· генерация гипотез;
· выявление закономерностей;
· самообучение, адаптация;
· умение делать дедуктивные, индуктивные, традуктивные выводы; и так далее…
В конечном итоге в состав решаемых задач включаются задачи, похожие на темы, определённые Международным обществом нейросетей INNS:
· построение семантической сети;
· построение тематической структуры текстов;
· реферирование текстов;
· гипертекстовая разметка текстов;
· смысловой (семантический) поиск информации;
· перевод на другой язык;
· классификация текстов, видео, звуков;
· аннотирование изображений, текстов.
· построение ассоциативных структур (логов);
· использование ассоциативной памяти разных типов;
· управление динамическими процессами и их анализ (нейросеть – контроллер);
· формирование потребительских комплексов; анализ ассоциаций;
· распознавание аномальной работы технической, гуманитарной, экономической системы;
· реализация «концепции внимания», разделение информации по важности;
· извлечение знаний из весовых коэффициентов;
· хранение информации в виде «ленты памяти» (как в машине Тьюринга);
· построение модулей эпизодической памяти. (Мэри дома. Она вышла во двор. Где Мэри? Во дворе);
· генерация бреда (контекст и окружение), генерация вариаций (музыкальных, сказочных);
· стилизация текста, музыки, графики.
· автоматическое составление программы (типа ПРИЗ ЕС);
· планирование действий (например, по аналогии);
· выделение содержания, смысла, стиля. Перенос их, смешивание;
· сохранение входных образов благодаря клеточному состоянию в LSTM;
· забывание;
· использование Слоя обратной связи; Рекуррентного слоя; Контекста;
· отрицательная и положительная обратная связь (затухание и генерация);
· ассоциативная память;
· ассоциативное мышление;
· анализ динамических процессов, узнавание в них информационных конструкций, смысла.
Анализ перечисленных задач обращает внимание на то, что главные области их применения должны быть требовательны к контексту и/или временной зависимости в данных. Поэтому рекуррентные нейронные сети (РНС) получают широкое использование, для анализа изображений, текста, музыки, смысла. В настоящее время эта область обычно воспринимается в контексте сверточных нейросетей, однако и для РНС здесь находятся задачи. Их архитектура позволяет быстрее распознавать детали, основываясь на контексте и окружении.
В состав Учебно-Методического Комплекса включены 4 учебные программы:
1/ «Основы теории искусственных нейронных сетей»
2/ «Нейросетевые исследования хозяйственных процессов»
3/ «Конструирование искусственных нейронов и нейронных ансамблей»
4/ «Нейросетевое программирование»;
контрольно-измерительные материалы для них и методическая литература в виде pdf-файлов издательства Ридеро для изучения каждой части дисциплины «Нейросетевые технологии» [8—14].
В данной книге для выяснения отличительных особенностей естественного и искусственного интеллекта рассматривается три раздела:
1. естественный интеллект;
2. искусственный интеллект;
3. направления интеллектуального совершенствования нейросетевых конструкций при обучении в магистратуре.
