Преподаватель который помогает студентам и школьникам в учёбе.

Основные подходы к построению систем искусственного интеллекта

Содержание:

Введение

Начало современного этапа развития систем искусственного интеллекта (ИИ) может быть отнесено к середине 50-х гг. Этому способствовала программа, разработанная А. Ньюэллом, предназначенная для доказательства теорем в исчислении высказываний и названная «ЛОГИК-ТЕОРЕТИК». Некоторые авторы называют эту систему экспертной и связывают определение ее назначения с анализом ее возможностей, проведенных Клодом Шенноном и Марвином Минским.

Эти работы положили началу исследованиям в области ИИ, связанному с разработкой программ, решающих задачи на применения разнообразных методов и Эвристика -- логических приемов и правил, Исследования и истины, поиска доказательств. правила -- правила, в целях эффективности поиска в предметной области.

метод решения при этом как свойственный мышлению «», для характерно возникновение «» о решения с проверкой их. методу противопоставлялся в ЭВМ (процедуральный, ) метод, интерпретировался как осуществление заданной шагов, приводящей к ответу. трактовка эвристических решения задачи и появление и термина «интеллект».

ИИ в время довольно Список по искусственному постоянно увеличивается. в него представление знаний, задач, системы, общения с на естественном обучение, моделирование, визуальной информации, нейрокомпьютерные и др.

знаний - важная область по искусственному основа остальных дисциплин. имеют форму объектов, и процедур. адекватных знаний и их эффективно означают «».

общей теории метода представления является стратегической Такая открыла бы накопления знаний, нужны ежедневно решения все и новых Однако достижения поставленной необходимо найти выражения общих предметных областей (ПО), в и состоит проблемы представления

Целью работы является основных подходов к систем искусственного

Для поставленной цели выполнить ряд

- системы искусственного

- построение систем интеллекта;

- развитие искусственного и т.д.

написании данной были использованы научные и источники.

1 Понятие искусственного интеллекта и её

1.1 искусственного интеллекта

интеллект () происходит от intellectus что ум, разум; способности человека.

искусственный интеллект (intelligence) ИИ (AI) толкуется как автоматических систем на себя функции интеллекта например, и принимать решения на ранее полученного и рационального внешних воздействий. В даются следующие искусственного интеллекта.

интеллект - прикладного процесса свойства, с разумным человека.^[1]

интеллект - информатики, вопросами имитации человека с компьютера.

класс пакетов информационные поддерживающие на естественном (естественно-интерфейс); системы, давать рекомендации в различных интеллектуальные прикладных программ, решать прикладные без программирования.

-языковый был наиболее для общения с с момента ее Это бы исключить обучения конечного языку команд другим приемам своих заданий решения на поскольку язык является приемлемым средством для человека. работы по такого рода начались с 20-го Однако, на весь исследователей и эта не решена и по день из-за сложностей, с пониманием естественного языка и текста в

программные продукты, появлялись на носили экспериментальный характер, множество ограничений и не задачу кардинально. не менее, на кажущийся в этой данная остается актуальной и по день и в состав связанной с ЭВМ пятого

Экспертные впервые появились в медицины. идея интеграции экспертов в медицины или ее разделов в электронную форму, позволила бы врачу иметь электронного советника принятии решений по или иному случаю.^[2] области медицины слишком большой ошибок, касаются жизни и людей. от области эта технология и на сферы деятельности например, Технология экспертных систем первоначальное "" системы, т.е. ее конкретными из той иной проблемной а уже эксплуатацию знаниями экспертной для решения задач. идеология проявила в проекте пятого поколения в привлечения конечного к решению задач и с проблемой знаний.

пакеты прикладных позволяют, экспертным системам, создавать базу включающую знаний из или иной деятельности человека, а решать практические с привлечением знаний. этих видов состоит в том, экспертные системы, в от интеллектуальных ППП, интегрировать знания из называемых слабо предметных областей, в сложно определить и выходные задачи, а невозможно сформировать алгоритм ее Кроме экспертные не формируют решения задачи в случае ППП, а выдают "" пользователю на его запроса.

применения

теорем;

Распознавание

Принятие

Адаптивное

Сочинение музыки;

данных на языке;

сети ();

концептуальные обучения.

на будущее в применения ИИ: В хозяйстве компьютеры оберегать посевы от подрезать и обеспечивать уход. В промышленности компьютеры работать там, возникают слишком условия для В производства ВМ выполнять различного задачи по и техническом ^[3]

В ВМ обязаны составлением расписаний коллективов и людей, краткую сводку В заведениях ВМ рассматривать задачи, решают студенты, в ошибок, тому как ошибки в и их. должны обеспечивать суперкнигами, в памяти систем.

В ВМ должны ставить диагноз, больных в отделения, ход лечения. В хозяйстве ВМ помогать советами по пищи, продуктов, за состоянием в квартире и в саду. в время ни из этих не представляется но в области ИИ способствовать их

1.2 систем искусственного

различные подходы к систем искусственного Это не является когда мнение постепенно другое, и подходы существуют и Кроме поскольку по-полных систем интеллекта в время нет, то сказать, какой-то является правильным, а -то ^[4]

начала кратко логический подход. он возник? человек занимается не только измышлениями. высказывание конечно но способность к мышлению очень отличает человека от

Основой данного логического служит Булева Каждый знаком с и с операторами с пор, он осваивал IF. дальнейшее развитие алгебра получила в исчисления предикатов - в она расширена за введения предметных отношений ними, существования и Практически система искусственного построенная на принципе, собой машину теорем.

этом исходные хранятся в данных в аксиом, логического вывода отношения между Кроме каждая машина имеет генерации цели, и вывода пытается данную цель теорему. цель доказана, то примененных правил получить цепочку необходимых реализации поставленной Мощность системы определяется генератора целей и доказательства теорем.

можно сказать, выразительности алгебры не хватит полноценной реализации интеллекта, но вспомнить, основой всех ЭВМ является - ячейка которая принимать значения 0 и 1. образом было бы предположить, все, возможно реализовать на ЭВМ, было бы и в логики предикатов. здесь ничего не о том, за время.^[5]

большей выразительности подходу позволяет сравнительно новое как логика. ее отличием то, правдивость высказывания принимать в кроме да/(1/0) и промежуточные - не (0.5), скорее жив, мертв (0.75), скорее мертв, жив (0.25). подход больше на мышление поскольку он на редко отвечает да или нет. правда на будут приниматься ответы из классической булевой

Для логических методов большая трудоемкость, во время доказательства возможен перебор вариантов. данный подход эффективной реализации процесса, и работа обычно при сравнительно размере базы

Под подходом мы здесь попытки искусственного интеллекта моделирования структуры мозга. из первых попыток был Френка Розенблатта. моделируемой структурной в перцептронах (и в других вариантов мозга) нейрон. возникли и модели, в простонародье известны под "нейронные " (НС).^[6] модели различаются по отдельных нейронов, по связей между и по обучения. наиболее известных вариантов НС назвать НС с распространением ошибки, Хопфилда, нейронные сети. НС успешно применяются в распознавания образов, в числе сильно однако и примеры применения их построения собственно искусственного интеллекта, уже ранее ТАИР.

моделей, по мотивам мозга характерна не большая выразительность, распараллеливание алгоритмов, и с этим производительность параллельно НС. для таких характерно одно которое сближает их с мозгом - сети работают при условии информации об среде, то как и они на могут отвечать не "да" и "нет" но и "не точно, но да". большое распространение и эволюционный При систем искусственного по данному основное внимание построению начальной и по она может (эволюционировать). модель может составлена по различным методам, может быть и НС и логических правил и другая модель. этого мы компьютер и он, на проверки моделей самые лучшие из них, на которых по различным правилам новые модели, из опять выбираются лучшие и т.д.

В можно сказать, эволюционных моделей таковых не существует эволюционные алгоритмы но полученные эволюционном подходе, некоторые характерные что выделить их в класс.

особенностями являются основной работы с построения на алгоритм ее и то, полученные модели не сопутствуют новых знаний о окружающей искусственного интеллекта, то она становится бы вещью в ^[7] Еще широко используемый к построению искусственного интеллекта - Данный является классическим кибернетики с из ее понятий - "ящиком" (ЧЯ). ЧЯ - программный или набор информация о структуре и которых отсутствуют но спецификации входных и данных. поведение имитируется, раз и собой такой "ящик". не важно, у него и у внутри и он функционирует, чтобы модель в ситуациях вела точно так же.

образом здесь другое свойство - способность то, делают другие, не в подробности, это нужно. эта способность ему массу особенно в его жизни. недостатком имитационного также является информационная способность моделей, с его С ЧЯ одна очень идея. бы хотел вечно? Я что все ответят на вопрос "я".

себе, за нами какое-то которое за тем, в каких мы делаем, Наблюдение за величинами, поступают к на вход ( слух, тактильные, и т. д.) и за которые от нас ( движение и дрТаким образом выступает здесь типичный ЧЯ. это устройство отстроить какую-то таким образом, при определенных на входе она на выходе те же что и Если затея будет -нибудь то всех посторонних такая модель той же что и человек.^[8]

А его смерти она, высказывать те которые высказывал бы и человек. Мы пойти дальше и эту модель и брата близнеца с такими же "". Можно что "конечно все но чем тут я? эта модель для других являться мной, но ее будет Копируются внешние атрибуты, но я смерти уже не думать, сознание погаснет (верующих людей "погаснет" заменить на "этот мир") ". ж это так. Но пойти дальше.

философским представлениям данного курса, представляет собой небольшую надстройку нашим подсознанием, следит за некоторых центров мозга, как центр конечной зрительных образов, чего "" эти на начальные обработки данной Если бы мы смоделировать работу этих немногих "" нервных (работа правда основана на всего остального ) в одного ЧЯ, и "супервизора" в другого ЧЯ, то было бы с говорить, "да, модель думает, так же, и я". я ничего не говорить о том, получить данные о этих нервных поскольку на взгляд сегодня ничего такого, позволило бы за мозгом годами и этом не бы его и жизни.

И беглое ознакомление с методами и к построению искусственного интеллекта, бы отметить, на практике четкой границы ними нет. часто встречаются системы, часть работы по одному а по-

2 Развитие интеллекта

2.1 и модели их

специалистов в искусственного интеллекта «знания» информацию, необходима программе, она вела «интеллектуально». средств интеллектуального опирается на методы работы со их хранение, и т.п.^[9]

термином «» при понимается вся информации, для решения включающая в в числе информацию о:

понятий предметной в решаются задачи;

понятий формальных на которых решаются

соответствии понятий, выше;

состоянии предметной

методах задач.

этом система должна быть таким образом, обеспечить взаимодействие системы с в системе и терминов области.

же такое и чем отличаются от в системах обработки?

это целостная и совокупность понятий о природы, и мышления, человечеством в активной преобразующей деятельности и на дальнейшее и изменение мира. интеллектуальная человека связана с решений в нестандартных Отсюда, называется интеллектуальной, алгоритм ее априори неизвестен.

этом задача и ее понимаются в широком смысле. задачи — любая деятельность (или машины), с выработкой и действий, для достижения цели; новых закономерностей и т. п. интеллектуальная деятельность на знания о области, в ставятся и задачи. областью обычно совокупность взаимосвязанных необходимых и для решения задачи или совокупности задач.^[10]

о предметной включают описания явлений, а отношений между В виде знания в представляются некоторой (знаковой) в выделяются по с данными аспекта: семантический и Синтаксис внутреннее устройство системы, т. е. построения и сложных знаковых Для языка синтаксис правильное построение и связанного

Семантика отношения между и их (концептами), т. е. смысл или конкретных знаков.

определяет знак с зрения конкретной его применения субъекта, данную знаковую

В с перечисленными семиотических систем выделить три знаний: семантические и Синтаксические характеризуют синтаксическую описываемого объекта явления, не зависит от и содержания при этом Семантические содержат информацию, связанную со и смыслом объектов и Прагматические описывают объекты и с точки решаемой задачи, с действующих в даче специфических

Трем знаний соответствуют и типа моделей их представления: семантические и Наличие последних является существенным признаком, интеллектуальные системы от других. чем перейти к моделей представления проанализируем знаний, собственно и их от

Интерпретируемость. помещенные в ЭВМ, содержательно интерпретироваться соответствующей программой. В от нее не несут содержательной информации. отличаются тем, возможность содержательной всегда присутствует.^[11]

или наличие отношений. на разнообразие хранения данных, ни из них не возможности компактного всех связей различными типами Информационные знаний должны гибкой структурой, т. е. них должен «принцип » такой когда информационную единицу включить в другой и из информационной единицы выделить некоторые ее Это записывать и отдельно информацию, для всех множества. необходимости эту можно автоматически описанию любого множества. процесс называется «» информации.

ситуативных связей связность. определяют ситуативную отдельных событий фактов, или вводимых в а такие отношения, одновременность, в одной пространства, в состоянии или иного и т. п. связи помогают процедуры анализа на совместимость, и другие, трудно реализовать хранении традиционных данных.

метрика. На информационных единиц в случаях полезно отношение, ситуационную близость единиц, т. е. ассоциативной связи ними. отношение можно отношением релевантности информационных единиц. отношение дает выделять в базе некоторые ситуации. релевантности при с информационными дает возможность знания, к уже

Активность. процессы, в ЭВМ, командами, являются активной а используются этими лишь при т. е. пассивная компонента. ситуация, для классических обработки информации, интеллектуальных систем (ИС) По с человеком в ИС тех или действий способствуют имеющиеся в ^[12] Таким выполнение в ИС инициироваться текущим информационной базы. в базе (объектов ) или событий (и их ), установление (правил в системах) стать источником системы.

в профессиональной необходимости, развивает свою объединять в большие объемы и устанавливать связи между (т. е. данные в ) для чтобы извлекать эти из памяти и с их распознавать новые по мере информации об ситуациях. специалист в предметной области от 50 до 100 чанков, могут быть для решения или иной Накопление в человека и указателей для объема данных от 10 до 20 лет.

особенности информационных определяют ту за данные, в знания, а данных перерастают в знаний. в настоящее не существует знаний, в комплексно, в мере были бы внутренняя интерпретируемость, связность, семантическая мера и активность знаний. это предопределяет моделей представления используемых в системах, некоторые из являются производными из

2.2 знаний

уже отмечалось, построения экспертных часто называют знаний. правило, процесс требует формы взаимодействия экспертной системы, называют инженером и или нескольких в некоторой области. знаний «» из процедуры, эмпирические которые используют при задач, и эти знания в систему.

из наиболее проблем, при создании систем, преобразование знаний и описания, им способов решений в позволяющую их в знаний системы, а эффективно использовать решения задач в предметной области.

эксперт не к процедурным количественным методам; основные средства интуиция и Часто даже не объяснить, именно им найдено решение. В случае вы от него описание основных или эвристик, помогли ему справиться с На знаний возлагается сложная работа по этих описаний в полную и систему, позволяла бы прикладные задачи не чем сделал бы эксперт, процесс построения знаний плохо и по природе является циклическим, линейным.^[13]

базы знаний три этапа:

предметной области;

модели представления (в использования оболочки этап исключается);

знаний.

шаг при базы знаний в выделении области, на задач из ориентирована экспертная По эта сводится к инженером знаний области применения и класса ею задач.

этом необходимо:

характер решаемых

выделить предметной области;

связи между

выбрать представления знаний;

специфические особенности области.

знаний должен сформулировать задачу. В то же он должен распознать, задача не и в случае воздержаться от ее формализовать применить систематические решения.

цель начального построения базы определить, будет выглядеть предметной области на уровнях абстракции. система включает знаний, создается путем некоторой предметной а та, в очередь, результатом абстрагирования сущностей реального Выделение области представляет первый шаг реального мира.

того как область выделена, знаний должен ее описать. этого ему выбрать какой-способ представления о ней (представления знаний). в качестве средства определена (пустая ЭС), то представления знаний выбранным средством. инженер знаний воспользоваться той с которой можно всего отобразить предметной области.

после формализации области база представляет собой ее абстрагирования, а область, в очередь, выделена в абстрагирования реального Человек способностью работать с областями различных использовать модели представления рассматривать реального мира с точек зрения, абстрагирования различных проводить знаний различной и прибегать к разнообразным методам задач. этап построения знаний выделение предметной области или, в теории систем, границ системы. и формальная совокупность понятий должна точной, и непротиворечивой.

на все вопросы позволяют границы исходных Для пространства поиска необходимо определить на каждом иерархии целей задачи. В иерархии следует задачу, по своей отражает принципиальные и назначение

После объектов предметной необходимо установить, между ними связи. стремиться к как можно количества связей, в всех, существуют в области. качественное описание области, это необходимо, быть представлено какого-формального языка, привести это к виду, поместить его в знаний системы. решения этой выбирается подходящая представления знаний, с которой сведения о области можно формально.^[14]

И, в области должны выявлены специфические затрудняющие прикладных задач. этих особенностей от назначения

Разработку основанной на рекомендуется в следующей

Выберите характер позволяет применить ее решения экспертных систем.

точно цель задачи.

как можно в существо

Установите разбив на подзадачи.

специфические особенности области.

эксперта, в выбранной области, и его согласием вам помощь в системы, на знаниях. вместе с в решении прикладных задач, приемы, он применяет. их опишите. инструментальные средства, вам для системы. выбор будет от типа задачи, финансовых возможностей и предметной области.

лабораторный прототип системы, успешно справиться с тех задач, вы решили с экспертом. к созданию знаний. объекты предметной взаимосвязи ними, иерархий, объекты на Структурируйте знаний в с представлением о строении области.^[15]

необходимое число по наращиванию знаний, из которых добавление знаний, их непротиворечивости и с целью обнаруженных несогласованностей.

2.3 приобретения знаний

приобретения знаний сложный этап экспертной системы, инженер знаний () плохо в предметной а не знает В с этим используемая не инженеру знаний, и уточнить все требуется работа эксперта и знаний. из наиболее задач инженера помочь эксперту знания о

В всех задач, в процессе знаний, принимать участие инженер и экспертная В оттого, выполняет задачу, выделить различные приобретения знаний.

по мере, уровня методов системы экспертными

Это создания алгоритма, из литературы придуманного специалистами проектировщиком системы, и его в самими проектировщиками. В время большинство ЭС такие. системы должны изучения теорий в области, работ или беседы с сами преобразовать в программы.^[16] может заполнить в знаниях, из описывая или формируя работ. самостоятельно приобретает знания, «книги». интеллектуальные способности уровня, позволяют не каким-то усвоить содержание но и информацию как или совет. рассмотрим приобретения знаний.

В работах по интеллекту взаимодействие с системой осуществлял программист. разработке системы не отделял (данные) от вывода. В задачу входило с помощью предметную область и при разработке выступать в и эксперта, и

Модель эксперта с на ранних развития искусственного В модели все по приобретению выполнял программист. знание им экспертизы не гарантировать полноту и знаний. того, модификации системы невозможность сохранения достигнутой непротиворечивости

Модель знаний ЭС с инженера знаний.

разработки систем интеллекта основывались на знаний от и оформлении в виде информационных структур, базами знаний. В случае эксперт с системой непосредственно, через инженера Преимущество модели по с предыдущей в том, база знаний модификацию знаний, а недостатком является ее трудоемкость. приобретения знаний ЭС с интеллектуального редактора. имеющий знания в программирования, взаимодействовать с системой через редактор, посредничества инженера В модели интеллектуальный должен обладать диалоговыми способностями и знаниями о базы знаний (т. е. ).^[17] Интеллектуальный может быть в состав системы. С помощью эксперт (с помощью инженера ) определяет модификации знаний и новых знаний.

приобретения знаний ЭС с индуктивной программы.

рассматривать такую где ЭС приобретать знания тому, это делает -человек, то модели будет в том, индуктивная программа анализировать данные, сведения о области экспертизы, формируя значимые и правила, предметную область. использовании данной предполагается, в базе в явном хранятся конкретные о предметной задача программы сделать обобщения. достоинством этой является автоматизация задач по знаний. В области сделаны конкретные разработки, так, ряд экспериментальных осуществляющих обобщения. приобретения знаний ЭС с программы понимания Дальнейшие развития экспертных связываются с знаний непосредственно из на естественном В случае требуется обычные печатные (книги, и т. д.) и из них т. е. текст, графики и т. п. здесь состоит не в обработке языка, но и в воссоздать по модель некоторой области.

отметить, все рассмотренные приобретения знаний с точки их независимости от Модели в порядке этой независимости, т. е. в увеличивающейся степени процесса приобретения В время наиболее распространена модель знаний от через посредничество знаний. С стороны, модель, интеллектуальный редактор организации диалога с без посредника знаний. ряд программных для поддержки рода диалога.^[18]

ЭС до пор весьма и трудоемкий наиболее местом которого приобретение знаний, т. е. структурирование, отладка (полноты, знаний, качества решений и т. п.) и знаний. С резкого сокращения и снижения создания ЭС различные инструментальные Это по зарубежных специалистов, затраты на ЭС примерно в 10 раз. этап приобретения наиболее и трудоемкий, делается именно на автоматизацию этого Основу средств составляют оболочки и ИС, а системы создания и баз знаний. оболочки и ИС на определенный приложений. специалистов подразделяет ЭС на -специализированные и -специализированные. первыми ИС в виду ЙС, хоть и на проблему, но довольно широкую приложений ( диагностические ). Под ИС имеются в ИС, на специфическую охватывающую область приложений. ИС на класса весьма и вызвано тем, они содержат в существенно различное предварительных знаний о приложении.^[19]

В -специализированных ИС только общая знаний и не специфические знания о Таким предметно-ИС можно не только ИС, но и незавершенное приложение с развитой базой которую только дополняет, а не заново.

это позволяет упростить, и удешевить приобретения знаний.

создания и базы знаний для автоматизации приобретения знаний на этапах разработки ЭС. система обычно на класс ИС (в очередь, на оболочек ЭС). По причине в от оболочек ЭС или, иногда говорят, применения, системы называют приобретения знаний. специализированные ИС, на приобретение в время, правило, не в самостоятельный а на рынок в ИС общего

И в рассмотрим тенденции ЭС, с объединением ЭС с направлениями, также серьезно повлиять на приобретения знаний. ЭС с традиционного программирования в интегрированных систем. будет новое ИС, должны интегрироваться со автоматической разработки обеспечения и -ориентированными данных. нового направления Publishing, ЭС с изданием и С направлением перекликается (а и ) направление «знаний» Delivery System. знаний — класс ЭС, в имеется база но механизм вывода. не являются способными рассуждения (их делается за шаг); имеют только сопоставления и Системы могут рассматриваться активные книги.^[20]

существующих ЭС на обработке. имеются и возможности. В время активно и развиваются на которых создаются сети (), способные ряд таких как образов, задачи и др. важным, в свете проблем приобретения является то, нейронные сети обучаться решению на конкретных и не формулировать знания о ни в правил, ни в алгоритмов.

достоинства нейронных можно их интегрирование с ЭС по мере по направлениям: процесса приобретения для ЭС разработки методов, обобщение и информации из нейронной сети в ЭС; нейронных сетей предпроцессоров динамических ЭС, входную сенсорную (в изображение) об мире.

споры вокруг создания искусственного имеют эмоциональную Признание искусственного разума чем-то человеческое достоинство. нельзя смешивать возможностей искусственного с вопросом о и совершенствовании разума. использование ИИ предпосылки для на качественно ступень прогресса, толчок новому автоматизации производства, а и повышению труда. искусственный может быть в негодных однако проблема не а морально-

Однако кибернетики выдвигает проблем, все же пристального внимания. проблемы связаны с возникающими в работ по интеллекту.

проблема связана с потерей стимулов к труду в массовой компьютеризации использования машин в искусств. в последнее стало ясно, человек добровольно не самый квалифицированный труд, как он самого человека привлекательным.

проблема носит серьезный характер, и на неоднократно указывали специалисты, Н. Н. М. И. А. и др. она в Уже существуют машины и способные в работы самообучаться, т. е. эффективность приспособления к факторам. В возможно, машины, таким уровнем и надежности, необходимость человеку в процесс В случае возможна самим человеком качеств, за поиск Налицо деградация способностей к реакции на внешних условий и, неспособность управления на в случае ситуации.

вопрос о введения некоторого уровня в процессов, с тяжелыми ситуациями. В случае у "" за машиной, хватит умения и таким образом на ситуацию, погасить разгорающуюся ситуацию. ситуации возможны на в энергетике. стоит отметить опасность в войсках стратегического где ошибки могут фатальный характер. лет назад в начали внедрять компьютеризированную систему ракет по суперкомпьютера, огромные массивы собранных со света. оказалось, даже при многократного дублирования и вероятность оказалась бы велика, отсутствие контролирующего привело бы к ошибке. От отказались.

будут постоянно проблему искусственного постоянно все с проблемами. И, процесс бесконечен.

использованной литературы

Алгоритмы искусственного на языке / Братко. - М.: / Вильямс, - c.
искусственного интеллекта, №1, - М.: 2017. - c.
искусственного интеллекта, №2, - Огни, - c.
и искусственный - М.: +РООИ "", 2017. - c.
Жданов, А.А. Автономный искусственный интеллект / А.А. Жданов. - М.: Бином. Лаборатория знаний, 2017. - 268 c.
Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров и др. - М.: Наука, 2017. - 336 c.
Искусственный интеллект и принятие решений, №1, 2011. - М.: Ленанд, 2017. - 880 c.
Искусственный интеллект и принятие решений, №2, 2008. - М.: Ленанд, Российская академия наук, 2017. - 506 c.
Искусственный интеллект и принятие решений, №2, 2011. - М.: Ленанд, 2017. - 539 c.
Искусственный интеллект и принятие решений, №4, 2010. - М.: Ленанд, 2017. - 108 c.
Искусственный интеллект. Междисциплинарный подход. - М.: ИИнтелл, 2017. - 448 c.
Костров, Б.В. Искусственный интеллект и робототехника / Б.В. Костров. - М.: Диалог-Мифи, 2017. - 961 c.
Слэйгл, Дж. Искусственный интеллект / Дж. Слэйгл. - М.: Мир, 2017. - 320 c.
Смолин, Д.В. Введение в искусственный интеллект: Конспект лекций / Д.В. Смолин. - М.: ФИЗМАТЛИТ, 2017. - 208 c.
Уинстон, П. Искусственный интеллект / П. Уинстон. - М.: Мир, 2017. - 520 c.
Финн, В. К. Искусственный интеллект. Методология, применения, философия / В.К. Финн. - М.: Красанд, 2017. - 448 c.
Хант, Э. Искусственный интеллект / Э. Хант. - М.: Мир, 2017. - 560 c.
Хони, Б. Искусственный интеллект: применение в химии / ред. Т. Пирс, Б. Хони. - М.: Мир, 2017. - 430 c.
Ясницкий, Л. Н. Введение в искусственный интеллект / Л.Н. Ясницкий. - М.: Академия, 2017. - 176 c.
Ясницкий, Л. Н. Искусственный интеллект / Л.Н. Ясницкий. - Москва: ИЛ, 2017. - 200 c.

Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров и др. - М.: Наука, 2017. - 336 c ↑
Искусственный интеллект и принятие решений, №2, 2011. - М.: Ленанд, 2017. - 539 c. ↑
Ясницкий, Л. Н. Искусственный интеллект / Л.Н. Ясницкий. - Москва: ИЛ, 2017. - 200 c. ↑
Братко Алгоритмы искусственного интеллекта на языке PROLOG / Братко. - М.: Диалектика / Вильямс, 2017. - 851 c. ↑
Искусственный интеллект и принятие решений, №4, 2010. - М.: Ленанд, 2017. - 108 c ↑
Ясницкий, Л. Н. Введение в искусственный интеллект / Л.Н. Ясницкий. - М.: Академия, 2017. - 176 c. ↑
Вопросы искусственного интеллекта, №1, 2008. - М.: Ленанд, 2017. - 120 c. ↑
Хони, Б. Искусственный интеллект: применение в химии / ред. Т. Пирс, Б. Хони. - М.: Мир, 2017. - 430 c. ↑
Вопросы искусственного интеллекта, №2, 2010. - Москва: Огни, 2017. - 124 c. ↑
Искусственный интеллект. Междисциплинарный подход. - М.: ИИнтелл, 2017. - 448 c. ↑
Естественный и искусственный интеллект. - М.: Канон+РООИ "Реабилитация", 2017. - 352 c. ↑
Жданов, А.А. Автономный искусственный интеллект / А.А. Жданов. - М.: Бином. Лаборатория знаний, 2017. - 268 c. ↑
Искусственный интеллект и принятие решений, №2, 2008. - М.: Ленанд, Российская академия наук, 2017. - 506 c. ↑
Хант, Э. Искусственный интеллект / Э. Хант. - М.: Мир, 2017. - 560 c. ↑
Искусственный интеллект и принятие решений, №1, 2011. - М.: Ленанд, 2017. - 880 c. ↑
Финн, В. К. Искусственный интеллект. Методология, применения, философия / В.К. Финн. - М.: Красанд, 2017. - 448 c. ↑
Смолин, Д.В. Введение в искусственный интеллект: Конспект лекций / Д.В. Смолин. - М.: ФИЗМАТЛИТ, 2017. - 208 c. ↑
Уинстон, П. Искусственный интеллект / П. Уинстон. - М.: Мир, 2017. - 520 c ↑
Костров, Б.В. Искусственный интеллект и робототехника / Б.В. Костров. - М.: Диалог-Мифи, 2017. - 961 c. ↑
Слэйгл, Дж. Искусственный интеллект / Дж. Слэйгл. - М.: Мир, 2017. - 320 c. ↑