Невизначеність в задачах штучного інтелекту та її вирішення самоналагоджувальними алгоритмами

Анотація

До задач штучного інтелекту відносять класифікацію та кластеризацію, розпізнавання образів, мовлення, клінічну діагностику, порівняння текстів на плагіат, автоматичний переклад текстів з однієї мови на іншу, задачі семантики тощо. Вони моделюються в рамках теорії комбінаторної оптимізації. Як в комбінаторній оптимізації, так і в задачах штучного інтелекту невизначеність пов’язана з неоднозначністю результату, одержаного за змодельованою цільовою функцією, з вибором способу оцінки точності роботи певного алгоритму, з особливою структурою множини комбінаторних конфігурацій, що є аргументом цільової функції, з неповною вхідною та поточною інформацією, з нечітко розробленими правилами обробки та оцінки інформації з неоднозначністю при виборі оптимального розв’язку за кількома критеріями в багатокритеріальній оптимізації та інші.

Задачі штучного інтелекту розділяються на підзадачі, для розв’язання яких розробляють окремі підходи. Існують такі задачі, в яких у вхідних даних неможливо задати всю необхідну інформацію. В процесі роботи алгоритму при передачі інформації, яка є результатом розв'язку попередньої задачі на вхід наступного алгоритму можуть з'являтися нові, невизначені параметри, які необхідні для розв'язання чергової задачі і які неможливо задати у вхідних даних за умовою. Виникає проблема знаходження параметрів в умовах невизначеності на проміжних етапах їхнього розв'язання. Для повної автоматизації розроблено самоналагоджувальні алгоритми знаходження невизначених параметрів. У вхідних даних їх задають формальними параметрами, за якими обчислюються реальні, що дозволяє організувати обчислювальний процес в автоматичному режимі.

В деяких задачах виникає ситуація невизначеності, пов’язана з особливостями структури множини комбінаторних конфігурацій, які є аргументом цільової функції, Для виходу з цієї ситуації оцінка результату проводиться як за однією так і за кількома цільовими функціями, а також в процесі розв’язання задачі для її вирішення увводяться змінні критерії. Тобто, самоналагоджувальний алгоритм генерує додаткову поточну інформацію з урахуванням прогнозу майбутніх результатів