Платная доработка на тему Модели представления знаний для систем искусственного интеллекта

Содержание:

ВВЕДЕНИЕ. 7

1 ОПИСАНИЕ ДЕЯТЕЛЬНОСТИ БАНКОВСКИХ УЧРЕЖДЕНИЙ ПРИ
ВЫДАЧЕ КРЕДИТА.. 10

1.2 Обоснование необходимости использования систем
искусственного интеллекта для определения кредитоспособности. 20

1.3 Понятие систем искусственного интеллекта. 22

1.4 Формирование требований к системе
искусственного интеллекта «Определение кредитоспособности». 30

2 ОПИСАНИЕ МОДЕЛЕЙ ЗНАНИЙ.. 33

2.1 Анализ метода «Дерево решений». 36

2.2 Анализ теоремы Байеса. 36

2.3 Описание кластерного анализа. 38

2.4 Методы поиска ассоциаций и последовательности. 40

3 ОПИСАНИЕ РЕАЛИЗАЦИИ СИСТЕМЫ ИСКУССТВЕННОГО
ИНТЕЛЛЕКТА   42

3.1 Описание принципов работы пользователя с
системой. 48

3.2 Описание принципов работы экспертов с системой. 51

3.3 Описание модулей системы.. 53

ВЫВОДЫ.. 62

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ.. 64

ПРИЛОЖЕНИЕ А. КОД ПРОГРАММЫ.. 68

Введение:

В современном мире в
последнее время наблюдается тенденция использования компьютерных систем для
полной или частичной замены функций человека. На данный момент никого не
удивишь, тем, что мышцы человека заменены компьютеризированными решениями –
роботы, тренажеры, конвейеры, автоматизированные системы. Однако работу такого
органа как мозг человека, полноценно заменить, пока не удалось. В тоже время в
данной области наблюдается существенный прогресс, появляются и все больше
укореняются такие системы, которые либо влияют на выработку решения либо
самостоятельно принимают решение на основании полученного опыта. Использование
систем искусственного интеллекта позволяет уменьшить неопределенность и
сформировать решение, за счет знаний, основанных на статическом или
функциональном анализе факторов. Для этого системы искусственного интеллекта
имеют аналитические решения, которые используют различные модели представления
знаний.

Предметом исследования
данной работы являются модели представления знаний.

Объекты исследования
принципы использования систем искусственного интеллекта для определения
кредитоспособности.

Целью работы является
использование моделей представления знаний для разработки системы
искусственного интеллекта, которая позволяет определить кредитоспособность
клиента банка.

Для достижения
поставленной цели требуется решение следующих задач:

– изучить
особенности работы кредитного отдела банка;

– обосновать
необходимость использования систем искусственного интеллекта для определения
кредитоспособности;

Заключение:

На данный момент
использование систем искусственного интеллекта принимает все более массовый
характер. В развитых зарубежных странах сотни фирм занимаются их разработкой и
внедрением в различные сферы жизни. В настоящее время ведутся разработки
систем, которые учатся самостоятельно [1].

Использование данных
систем в повседневной жизни позволяет значительно упростить принятие достаточно
важных решений, в потоки большого объема данных это очень актуально – например,
по предметной области данной работы определение кредитоспособности.

Основой для систем искусственного
интеллекта являются модели представления знаний, на которые возложена задача
обработки входных данных и поиска наиболее оптимальных вариантов по эти данным
[11]. В рамках данной работы используется такая модель как теорема Байеса, по
данному методу можно более точно вычислить вероятность наступления события,
принимая в расчет известную ранее информацию, а также и полученные новые
наблюдения. Также работа данного алгоритма имеет высокую скорость и не имеет
ограничений относительно количества данных.

В ходе написания работы
были выполнены следующие задачи:

– определены
принципы работы кредитного отдела банка;

– проанализирована
сущность систем искусственного интеллекта, рассмотрены типы таких систем,
представлена типовая архитектура системы;

– рассмотрены
различные модели представления знаний, как вариант для реализации системы была
выбрана модель, построенная на основе теоремы Баейса;

– выполнено
проектирование системы искусственного интеллекта;

– разработана
структура базы данных и базы знаний системы;

Фрагмент текста работы:

1.3 Понятие систем искусственного интеллекта Искусственный интеллект
(ИИ) — это способность машин отображать человеческие навыки, такие как
рассуждение, обучение, планирование и творчество.

Искусственный интеллект
позволяет техническим системам воспринимать свое окружение, справляться с тем,
что они воспринимают, и решать проблемы, работая для достижения определенной
цели. Компьютер получает данные (уже подготовленные или собранные с помощью
датчиков, например, камер), обрабатывает их и реагирует [5].

Системы ИИ могут до
некоторой степени корректировать свое поведение, анализируя последствия
предыдущих действий и действуя автономно.

Искусственный интеллект
рассматривается как центральный элемент цифровой трансформации общества и стал
приоритетом для многих компьютерных компаний.

Системы искусственного
интеллекта условно делят на три группы в зависимости от их соотношения с
методами работы человека.

Для большинства
разработчиков цель работы искусственного интеллекта — создать системы, которые
мыслят точно так же, как люди. Другие просто хотят выполнить свою работу и не
заботятся о том, имеют ли используемые ими вычислительные методы какое-либо
отношение к человеческим рассуждениям [7]. Есть также те, кто оказывается
где-то посередине, видя человеческий разум как источник знаний и вдохновения, и
пристальное следование ему не является конечной целью.

Стало общепринятым, что
любое действие, которое точно отображает человеческий разум, называется
«сильным искусственным интеллектом», и что каждый результат служит не только
для создания систем мышления, но и для объяснения того, как люди обычно думают.
Однако до сих пор не было разработано ни одной модели сильного искусственного
интеллекта или системы, которая была бы истинной симуляцией человеческого
мышления [40].

Вторая группа — это люди,
которые используют решения искусственного интеллекта для обеспечения
правильного функционирования систем. Это называется «Слабый искусственный
интеллект», который основан на предположении, что человек способен создавать
системы, которые ведут себя аналогично ему, но результаты этих систем не
показывают, как работает человеческий разум. Одним из лучших примеров слабого
ИИ является система Deep Blue от IBM — непревзойденная в шахматной игре, она
определенно не играла в нее так, как люди.

Также существует
промежуточная стадия между сильным и слабым искусственным интеллектом. Это
третья группа систем, возникших на основе знаний о человеческом разуме или
вдохновленных им. На этом этапе проходит львиная доля важнейших работ по
искусственному интеллекту. Промежуточный ИИ предполагает, что человеческий
разум служит руководством при разработке систем ИИ, но цель работы не в том,
чтобы идеально воспроизвести человеческое мышление [5].

Прекрасным примером такой системы является сверхразумный компьютер от
IBM. Данный компьютер собирает данные, которые он находит при просмотре тысяч
текстов, и анализирует их, чтобы быть уверенным в своих выводах. Это сочетание
способности распознавать закономерности в тексте с возможностью должным образом
взвешивать свидетельства, соответствующие выявленным образцам. В основе
разработки этого компьютера лежит наблюдение, что люди могут делать выводы без