По выполняемым функциям средства общения можно разделить на две группы: средства трансляции и средства обеспечения взаимопонимания.

Средства трансляции осуществляют трансляцию с языка пользователя на язык представления знаний в БЗ и обратный перевод.

Средства обеспечения взаимопонимания должны поддерживать одинаковое понимание сообщения передающий и принимающей системой, т.е. приписывание принимающей системой сообщению того значения, которое и предполагалось передающей системой.

Функциональный взгляд на систему искусственного интеллекта, который включает приобретение, обработку и применение знаний, показан на рис. 5.3.

Рис.5.3. Приобретение, обработка и применение знаний

Функциональная структура дает общее представление о том, как системы искусственного интеллекта функционируют в замкнутом контуре управления. ИИ-системы учатся на знаниях, используют обучение для решения следующих функциональных задач:

–обработка текущих измерений;

–приобретение новых знаний;

–поддержка жизненного цикла системы;

–идентификация состояния объекта управления и внешней среды (включая обработку изображений);

–поддержка принятия решений, включая прогнозы;

–выполнение действий, основанных на принятых решениях;

–оценка вероятности достижения поставленных целей и рисков.

Представленная функциональная структура системы искусственного интеллекта позволяет осуществлять обработку данных в трех уровнях, рис. 5.4.

Рис.5.4. Уровни обработки данных в системе искусственного интеллекта

Первый уровень – сбор данных, второй уровень – обработка данных, третий уровень – на основе предыдущих уровней ИИ создаются новые ценности в виде интеллектуальных сервисов и товаров.

Искусственная нейронная сеть (ИНС) представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие простые по отдельности процессоры вместе способны выполнять довольно сложные задачи.

Нейронная сеть – это последовательность нейронов, соединенных между собой синапсами. Структура нейронной сети пришла в мир программирования прямиком из биологии. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию. Нейронные сети также способны не только анализировать входящую информацию, но и воспроизводить ее из своей памяти. Другими словами, нейросеть это машинная интерпретация мозга человека, в котором находятся миллионы нейронов, передающих информацию в виде электрических импульсов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения— одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными и выходными данными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумлённых», частично искажённых данных.

Компоненты нейросети:

1. Нейроны. Аналогичные нервным клеткам в мозге, они первыми обрабатывают данные и передают информацию дальше.