ការបង្រៀនណែនាំអ្នកអានអំពីប្រវត្តិនៃបញ្ញាសិប្បនិម្មិត គំរូតំណាងចំណេះដឹង ប្រព័ន្ធអ្នកជំនាញ និងបណ្តាញសរសៃប្រសាទ។ ទិសដៅ និងវិធីសាស្រ្តសំខាន់ៗដែលប្រើក្នុងការវិភាគ ការអភិវឌ្ឍន៍ និងការអនុវត្តប្រព័ន្ធឆ្លាតវៃត្រូវបានពិពណ៌នា។ គំរូនៃការតំណាងចំណេះដឹងនិងវិធីសាស្រ្តនៃការធ្វើការជាមួយពួកគេវិធីសាស្រ្តនៃការអភិវឌ្ឍន៍និងការបង្កើតប្រព័ន្ធអ្នកជំនាញត្រូវបានពិចារណា។ សៀវភៅនេះនឹងជួយអ្នកអានឱ្យស្ទាត់ជំនាញនៃការរចនាឡូជីខលនៃមូលដ្ឋានទិន្នន័យដែន និងការសរសេរកម្មវិធីនៅក្នុងភាសា ProLog ។
សម្រាប់សិស្សនិងគ្រូបង្រៀននៃសាកលវិទ្យាល័យគរុកោសល្យ, គ្រូបង្រៀននៃអនុវិទ្យាល័យ, កន្លែងហាត់ប្រាណ, lyceums ។
គំនិតនៃបញ្ញាសិប្បនិម្មិត។
ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត (AI) គឺជាប្រព័ន្ធសូហ្វវែរដែលក្លែងធ្វើដំណើរការនៃការគិតរបស់មនុស្សនៅលើកុំព្យូទ័រ។ ដើម្បីបង្កើតប្រព័ន្ធបែបនេះ ចាំបាច់ត្រូវសិក្សាពីដំណើរការគិតរបស់មនុស្សដែលដោះស្រាយបញ្ហាជាក់លាក់ ឬធ្វើការសម្រេចចិត្តក្នុងផ្នែកជាក់លាក់មួយ រំលេចជំហានសំខាន់ៗនៃដំណើរការនេះ និងបង្កើតឧបករណ៍សូហ្វវែរដែលផលិតវាឡើងវិញនៅលើកុំព្យូទ័រ។ ដូច្នេះហើយ វិធីសាស្ត្រ AI ពាក់ព័ន្ធនឹងវិធីសាស្រ្តរចនាសម្ព័ន្ធដ៏សាមញ្ញមួយក្នុងការអភិវឌ្ឍន៍ប្រព័ន្ធធ្វើការសម្រេចចិត្តផ្នែកទន់ស្មុគស្មាញ។
Artificial Intelligence គឺជាសាខានៃព័ត៌មានវិទ្យា គោលបំណងគឺដើម្បីបង្កើតឧបករណ៍ផ្នែករឹង និងកម្មវិធីដែលអនុញ្ញាតឱ្យអ្នកប្រើដែលមិនមែនជាអ្នកសរសេរកម្មវិធីកំណត់ និងដោះស្រាយកិច្ចការបញ្ញាដែលគេចាត់ទុកជាប្រពៃណី ដោយទំនាក់ទំនងជាមួយកុំព្យូទ័រក្នុងផ្នែកតូចៗនៃភាសាធម្មជាតិ។
តារាងមាតិកា
ជំពូកទី 1. បញ្ញាសិប្បនិម្មិត
១.១. ការណែនាំអំពីប្រព័ន្ធបញ្ញាសិប្បនិម្មិត
១.១.១. គំនិតនៃបញ្ញាសិប្បនិម្មិត
១.១.២. បញ្ញាសិប្បនិម្មិតនៅប្រទេសរុស្ស៊ី
១.១.៣. រចនាសម្ព័ន្ធមុខងារនៃប្រព័ន្ធបញ្ញាសិប្បនិម្មិត
១.២. ការណែនាំសម្រាប់ការអភិវឌ្ឍបញ្ញាសិប្បនិម្មិត
១.៣. ទិន្នន័យ និងចំណេះដឹង។ តំណាងនៃចំណេះដឹងនៅក្នុងប្រព័ន្ធឆ្លាតវៃ
១.៣.១. ទិន្នន័យ និងចំណេះដឹង។ និយមន័យមូលដ្ឋាន
១.៣.២. គំរូតំណាងចំណេះដឹង
១.៤. ប្រព័ន្ធអ្នកជំនាញ
១.៤.១. រចនាសម្ព័ន្ធនៃប្រព័ន្ធអ្នកជំនាញ
១.៤.២. ការអភិវឌ្ឍន៍ និងការប្រើប្រាស់ប្រព័ន្ធជំនាញ
១.៤.៣. ចំណាត់ថ្នាក់នៃប្រព័ន្ធអ្នកជំនាញ
១.៤.៤. តំណាងនៃចំណេះដឹងនៅក្នុងប្រព័ន្ធអ្នកជំនាញ
១.៤.៥. ឧបករណ៍សម្រាប់កសាងប្រព័ន្ធអ្នកជំនាញ
១.៤.៦. បច្ចេកវិទ្យាអភិវឌ្ឍន៍ប្រព័ន្ធជំនាញ
គ្រប់គ្រងសំណួរ និងភារកិច្ចសម្រាប់ជំពូកទី 1
អក្សរសិល្ប៍សម្រាប់ជំពូកទី 1
ជំពូកទី 2 ការសរសេរកម្មវិធីតក្កវិជ្ជា
២.១. វិធីសាស្រ្តសរសេរកម្មវិធី
២.១.១. វិធីសាស្រ្តនៃការសរសេរកម្មវិធីចាំបាច់
២.១.២. វិធីសាស្រ្តនៃកម្មវិធីតម្រង់ទិសវត្ថុ
២.១.៣. វិធីសាស្រ្តកម្មវិធីមុខងារ
២.១.៤. វិធីសាស្រ្តសរសេរកម្មវិធីឡូជីខល
២.១.៥. វិធីសាស្រ្តសរសេរកម្មវិធីកម្រិត
២.១.៦. វិធីសាស្រ្តសរសេរកម្មវិធីបណ្តាញសរសៃប្រសាទ
២.២. ការណែនាំខ្លីៗអំពីការគណនាព្យាករណ៍ និងទ្រឹស្តីបទបង្ហាញ
២.៣. ដំណើរការសន្និដ្ឋាននៅក្នុង Prolog
២.៤. រចនាសម្ព័ន្ធកម្មវិធីនៅក្នុង Prolog
២.៤.១. ការប្រើប្រាស់វត្ថុផ្សំ
២.៤.២. ការប្រើប្រាស់ដែនជំនួស
២.៥. ការរៀបចំពាក្យដដែលៗនៅក្នុង Prolog
២.៥.១. វិធីសាស្រ្ត Rollback បន្ទាប់ពីបរាជ័យ
២.៥.២. វិធីសាស្រ្តកាត់និងវិលត្រឡប់មកវិញ
២.៥.៣. ការហៅឡើងវិញសាមញ្ញ
២.៥.៤. វិធីសាស្រ្តទូទៅនៃការធ្វើឡើងវិញ (GRR)
២.៦. បញ្ជីនៅក្នុង Prolog
២.៦.១. ប្រតិបត្តិការលើបញ្ជី
២.៧. ខ្សែអក្សរនៅក្នុង Prolog
២.៧.១. ប្រតិបត្តិការលើខ្សែ
២.៨. ឯកសារនៅក្នុង Prolog
២.៨.១. Prolog ព្យាករណ៍សម្រាប់ធ្វើការជាមួយឯកសារ
២.៨.២. ការពិពណ៌នាអំពីដែនឯកសារ
២.៨.៣. សរសេរទៅឯកសារ
២.៨.៤. ការអានពីឯកសារ
២.៨.៥. ការកែប្រែឯកសារដែលមានស្រាប់
២.៨.៦. បន្ថែមទៅចុងបញ្ចប់នៃឯកសារដែលមានស្រាប់
២.៩. ការបង្កើតមូលដ្ឋានទិន្នន័យថាមវន្តនៅក្នុង Prolog
២.៩.១. មូលដ្ឋានទិន្នន័យនៅលើ Prolog
២.៩.២. មូលដ្ឋានទិន្នន័យថាមវន្តព្យាករណ៍នៅក្នុង Prolog
២.១០. ការបង្កើតប្រព័ន្ធអ្នកជំនាញ
២.១០.១. រចនាសម្ព័ន្ធនៃប្រព័ន្ធអ្នកជំនាញ
២.១០.២. តំណាងចំណេះដឹង
២.១០.៣. វិធីសាស្ត្របញ្ចេញ
២.១០.៤. ប្រព័ន្ធ UI
២.១០.៥. ប្រព័ន្ធអ្នកជំនាញផ្អែកលើច្បាប់
គ្រប់គ្រងសំណួរ និងកិច្ចការសម្រាប់ជំពូកទី 2
អក្សរសិល្ប៍សម្រាប់ជំពូកទី 2
ជំពូកទី 3 បណ្តាញសរសៃប្រសាទ
៣.១. ការណែនាំអំពីបណ្តាញសរសៃប្រសាទ
៣.២. គំរូណឺរ៉ូនសិប្បនិម្មិត
៣.៣. ការអនុវត្តបណ្តាញសរសៃប្រសាទ
៣.៤. ការបណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ
គ្រប់គ្រងសំណួរ និងភារកិច្ចសម្រាប់ជំពូកទី 3
អក្សរសិល្ប៍សម្រាប់ជំពូកទី 3 ។
ទាញយកសៀវភៅអេឡិចត្រូនិចដោយឥតគិតថ្លៃក្នុងទម្រង់ងាយស្រួល មើល និងអាន៖
ទាញយកសៀវភៅ Fundamentals of Artificial Intelligence, Borovskaya E.V., Davydova N.A., 2016 - fileskachat.com ទាញយកលឿន និងឥតគិតថ្លៃ។
ទីភ្នាក់ងារសហព័ន្ធសម្រាប់ការអប់រំ
វិទ្យាស្ថានអប់រំរដ្ឋ
ការអប់រំវិជ្ជាជីវៈកម្រិតខ្ពស់
"សាកលវិទ្យាល័យបច្ចេកទេសរដ្ឋ VOLGOGRAD"
វិទ្យាស្ថានបច្ចេកវិទ្យា KAMYSHINSKY (សាខា)
SEI HPE "សាកលវិទ្យាល័យបច្ចេកទេសរដ្ឋ VOLGOGRAD"
វគ្គសិក្សាជាក់ស្តែងលើវិន័យ "ប្រព័ន្ធនៃបញ្ញាសិប្បនិមិត្ត"
ការបោះពុម្ពអេឡិចត្រូនិចអប់រំ
វ៉ុលហ្គោក្រាដ
NL - ភាសាធម្មជាតិ
AI - បញ្ញាសិប្បនិម្មិត
LP - តក្កវិជ្ជានៃការព្យាករណ៍
អ្នកធ្វើការសម្រេចចិត្ត - អ្នកធ្វើការសម្រេចចិត្ត
MT - ម៉ាស៊ីន Turing
PGA - ក្បួនដោះស្រាយហ្សែនសាមញ្ញ
PPF គឺជារូបមន្តដែលបានបង្កើតឡើងយ៉ាងល្អ
PRO - ប្រតិបត្តិករ recursive បុព្វកាល
PRF - មុខងារ recursive បឋម
RF - មុខងារបង្កើតឡើងវិញ
SNI - ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត
FP - មុខងារសម្បទា
TF - មុខងារគោលបំណង
អេស - ប្រព័ន្ធអ្នកជំនាញ
ការណែនាំ
ដំបូងឡើយ បញ្ញាសិប្បនិមិត្តត្រូវបានចាត់ទុកថាជាវិទ្យាសាស្ត្រនៃការបង្កើតម៉ាស៊ីនគិត។ តំបន់នេះត្រូវបានគេចាត់ទុកថាជាកន្លែងដ៏ពិសិដ្ឋនៃវិទ្យាសាស្ត្រកុំព្យូទ័រ។ យូរៗទៅ បញ្ញាសិប្បនិមិត្តបានវិវឌ្ឍន៍ទៅជាវិន័យជាក់ស្តែងជាងមុន។ តំបន់នេះនៅតែរួមបញ្ចូលការសិក្សាអំពីយន្តការនៃការគិត។ នៅក្នុងក្របខ័ណ្ឌនៃបញ្ញាសិប្បនិមិត្ត យុទ្ធសាស្ត្រផ្សេងៗសម្រាប់ដំណោះស្រាយកុំព្យូទ័រនៃបញ្ហាជាក់ស្តែងដ៏ស្មុគស្មាញត្រូវបានពិចារណា។ លើសពីនេះ សព្វថ្ងៃនេះ វាកាន់តែច្បាស់ថា បញ្ញាខ្លួនឯងគឺស្មុគស្មាញពេក ដែលជាអង្គភាពដែលមិនអាចពិពណ៌នាបាននៅក្នុងក្របខ័ណ្ឌនៃទ្រឹស្តីមួយ។ ទ្រឹស្ដីផ្សេងៗគ្នាពិពណ៌នាអំពីវានៅកម្រិតផ្សេងៗនៃអរូបី។ ការរៀននៅកម្រិតទាបបំផុតត្រូវបានផ្តល់ដោយបណ្តាញសរសៃប្រសាទដែលទទួលស្គាល់ម៉ាស៊ីន ក្បួនដោះស្រាយហ្សែន និងទម្រង់គណនាផ្សេងទៀតដែលយកគំរូតាមសមត្ថភាពក្នុងការសម្របខ្លួន យល់ឃើញ និងធ្វើអន្តរកម្មជាមួយពិភពរូបវន្ត។ អ្នកបង្កើតប្រព័ន្ធអ្នកជំនាញ ភ្នាក់ងារឆ្លាតវៃ គំរូ stochastic និងប្រព័ន្ធការយល់ដឹងពីភាសាធម្មជាតិដំណើរការនៅកម្រិតខ្ពស់នៃ abstraction ។ កម្រិតនេះគិតគូរពីតួនាទីនៃដំណើរការសង្គមក្នុងការបង្កើត ការផ្ទេរ និងការទាញយកចំណេះដឹង។ កម្រិតខ្ពស់បំផុតនៃការអរូបីរួមមានវិធីសាស្រ្តឡូជីខល រួមទាំងការដកយក គំរូនៃការចាប់ពង្រត់ ប្រព័ន្ធគាំទ្រការពិត និងទម្រង់ និងវិធីសាស្រ្តនៃហេតុផលផ្សេងទៀត។
សៀវភៅណែនាំនេះបង្ហាញអំពីមូលដ្ឋានគ្រឹះនៃទ្រឹស្តីកម្រិតទាបមួយចំនួនជាមួយនឹងកិច្ចការជាក់ស្តែងសម្រាប់ការសិក្សាអំពីក្បួនដោះស្រាយដោយផ្អែកលើបទប្បញ្ញត្តិនៃទ្រឹស្តីទាំងនេះ។ ជាពិសេស មូលដ្ឋានគ្រឹះនៃទ្រឹស្តីនៃការទទួលស្គាល់គំរូត្រូវបានពិចារណាជាមួយនឹងភារកិច្ចនៃការសិក្សាមុខងាររើសអើងលីនេអ៊ែរ និងមុខងារស្រដៀងគ្នា។ ទ្រឹស្តីនៃបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតជាមួយនឹងការបង្កើតបញ្ហានៃការសិក្សាអំពីលក្ខណៈសម្បត្តិនៃបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតលើបញ្ហានៃការទទួលស្គាល់លំនាំ; ក្បួនដោះស្រាយហ្សែនជាមួយនឹងការបង្កើតបញ្ហានៃការសិក្សាលក្ខណៈសម្បត្តិរបស់ពួកគេនៅពេលស្វែងរកភាពខ្លាំងនៃមុខងារមួយ។ ដើម្បីអនុវត្តការងារស្រាវជ្រាវ ចាំបាច់ត្រូវចេះសរសេរកម្មវិធីជាភាសាសរសេរកម្មវិធីណាមួយ និយមប្រើវត្ថុតម្រង់ទិស។
1.1. ប្រភពដើមនៃទ្រឹស្តីបញ្ញាសិប្បនិម្មិត
១.១.១. គំនិតនៃបញ្ញាសិប្បនិម្មិត
រយៈពេល បញ្ញា(បញ្ញា) មកពីភាសាឡាតាំង បញ្ញា ដែលមានន័យថា ចិត្ត ហេតុផល ចិត្ត សមត្ថភាពផ្លូវចិត្តរបស់មនុស្ស។ រៀងៗខ្លួន បញ្ញាសិប្បនិម្មិត(AI ជាភាសាអង់គ្លេស៖ Artificial Intelligence, AI) គឺជាកម្មសិទ្ធិរបស់ប្រព័ន្ធស្វ័យប្រវត្តិ ដើម្បីទទួលយកមុខងារបុគ្គលនៃភាពវៃឆ្លាតរបស់មនុស្ស។
បញ្ញាសិប្បនិម្មិតណាមួយ គឺជាគំរូនៃការសម្រេចចិត្ត ដែលធ្វើឡើងដោយបញ្ញាធម្មជាតិរបស់មនុស្ស។ បញ្ញាសិប្បនិមិត្តអាចអះអាងថាប្រៀបធៀបជាមួយបញ្ញាធម្មជាតិ ផ្តល់ថាគុណភាពនៃដំណោះស្រាយដែលបានបង្កើតគឺមិនអាក្រក់ជាងបញ្ញាធម្មជាតិជាមធ្យមនោះទេ។
១.១.២. បញ្ញាសិប្បនិម្មិតនៅក្នុងរង្វិលជុំស្វ័យប្រវត្តិកម្ម
នៅក្នុងប្រព័ន្ធបែបនេះរង្វិលជុំត្រួតពិនិត្យត្រូវបានណែនាំ អ្នកសម្រាច់ចិត្ត(LPR) ។
អ្នកធ្វើការសម្រេចចិត្តមានប្រព័ន្ធចំណូលចិត្តផ្ទាល់ខ្លួនរបស់គាត់ទាក់ទងនឹងលក្ខណៈវិនិច្ឆ័យនៃការគ្រប់គ្រងវត្ថុ និងសូម្បីតែគោលបំណងនៃអត្ថិភាពនៃវត្ថុ។ អ្នកធ្វើសេចក្តីសម្រេច ភាគច្រើនមិនយល់ព្រម យ៉ាងហោចណាស់មួយផ្នែកជាមួយនឹងរបបដែលផ្តល់ដោយ ACS ប្រពៃណី។ អ្នកធ្វើការសម្រេចចិត្តគ្រប់គ្រងជាក្បួន ប៉ារ៉ាម៉ែត្រសំខាន់នៃប្រព័ន្ធ ខណៈពេលដែលនៅសល់ត្រូវបានគ្រប់គ្រងដោយប្រព័ន្ធគ្រប់គ្រងមូលដ្ឋាន។ មានបញ្ហាក្នុងការធ្វើឱ្យសកម្មភាពរបស់អ្នកធ្វើការសម្រេចចិត្តដោយស្វ័យប្រវត្តិក្នុងរង្វង់ត្រួតពិនិត្យ។
AI គឺជាទិសដៅស្រាវជ្រាវដែលបង្កើតគំរូ និងឧបករណ៍សូហ្វវែរដែលត្រូវគ្នា ដែលអនុញ្ញាតឱ្យប្រើកុំព្យូទ័រដើម្បីដោះស្រាយបញ្ហាប្រកបដោយភាពច្នៃប្រឌិត ធម្មជាតិមិនគណនា ដែលក្នុងដំណើរការនៃការដោះស្រាយទាមទារឱ្យមានការអំពាវនាវចំពោះអត្ថន័យ (បញ្ហានៃអត្ថន័យ)។
AI គឺជាប្រព័ន្ធសូហ្វវែរដែលក្លែងធ្វើការគិតរបស់មនុស្សនៅលើកុំព្យូទ័រ។ ដើម្បីបង្កើតប្រព័ន្ធបែបនេះ ចាំបាច់ត្រូវសិក្សាពីដំណើរការគិតរបស់អ្នកធ្វើការសម្រេចចិត្ត គូសបញ្ជាក់ពីជំហានសំខាន់ៗនៃដំណើរការនេះ បង្កើតកម្មវិធីដែលបង្កើតឡើងវិញនូវជំហានទាំងនេះនៅលើកុំព្យូទ័រ។
១.១.៣. គំនិតនៃកិច្ចការនិងសកម្មភាពបញ្ញា
លក្ខណៈពិសេសមួយនៃភាពវៃឆ្លាតរបស់មនុស្សគឺសមត្ថភាពក្នុងការដោះស្រាយបញ្ហាបញ្ញាដោយការទទួលបាន ទន្ទេញចាំ និងបំប្លែងចំណេះដឹងដោយចេតនាក្នុងដំណើរការនៃការរៀនសូត្រពីបទពិសោធន៍ និងការសម្របខ្លួនទៅនឹងកាលៈទេសៈផ្សេងៗ។
កិច្ចការបញ្ញា- បញ្ហា ការបែងចែកជាផ្លូវការនៃដំណើរការនៃការស្វែងរកដំណោះស្រាយដែលចូលទៅក្នុងជំហានបឋមដាច់ដោយឡែកពីគ្នាជារឿយៗប្រែទៅជាពិបាកណាស់ ទោះបីជាដំណោះស្រាយរបស់ពួកគេផ្ទាល់មិនពិបាកក៏ដោយ។
សកម្មភាពរបស់ខួរក្បាល សំដៅដោះស្រាយបញ្ហាបញ្ញា យើងនឹងហៅថា ការគិត ឬសកម្មភាពបញ្ញា។
សកម្មភាពបញ្ញាបង្ហាញពីសមត្ថភាពក្នុងការសន្និដ្ឋាន បង្កើត រចនាដំណោះស្រាយដែលមិនច្បាស់លាស់ និងរួចរាល់នៅក្នុងប្រព័ន្ធ។ ដេរីវេនៃដំណោះស្រាយគឺអាចធ្វើទៅបានលុះត្រាតែមានការតំណាងផ្ទៃក្នុងនៃចំណេះដឹងនៅក្នុងប្រព័ន្ធ ( គំរូនៃពិភពខាងក្រៅ) - តំណាងផ្លូវការនៃចំណេះដឹងអំពីពិភពខាងក្រៅ (ប្រធានបទដោយស្វ័យប្រវត្តិ) ។
១.១.៤. ជំហានដំបូងក្នុងប្រវត្តិសាស្រ្តនៃបញ្ញាសិប្បនិម្មិត
កម្មវិធីដំបូងដែលអនុវត្តលក្ខណៈពិសេសនៃសកម្មភាពបញ្ញា៖
1. ការបកប្រែម៉ាស៊ីន (1947) ។ នៅសហភាពសូវៀតចាប់តាំងពីឆ្នាំ 1955 ការងារនៅក្នុងវិស័យបកប្រែម៉ាស៊ីនត្រូវបានផ្សារភ្ជាប់ជាមួយនឹង, . ភារកិច្ចនៃការបកប្រែតាមម៉ាស៊ីនទាមទារឱ្យមានការបំបែកចំណេះដឹងពីកូដ។ រូបរាងនៃភាសាអន្តរការីបានសម្គាល់ការប៉ុនប៉ងដំបូងដើម្បីបង្កើតភាសាសម្រាប់តំណាងផ្ទៃក្នុងនៃចំណេះដឹង។
2. ការយោងដោយស្វ័យប្រវត្តិ និងការទាញយកព័ត៌មាន (1957, សហរដ្ឋអាមេរិក) ។ គំនិតនៃការបែងចែកប្រព័ន្ធនៃទំនាក់ទំនង-ទំនាក់ទំនងរវាងអង្គហេតុបុគ្គល ដែលបង្កប់នៅក្នុងគំនិតនៃកម្រងវេវចនៈ។
3. ទ្រឹស្តីបទភស្តុតាង (1956, សហរដ្ឋអាមេរិក) ។ ការលេចចេញនូវកម្មវិធីសម្រាប់បង្ហាញទ្រឹស្តីបទតក្កវិជ្ជា៖ "តក្កវិជ្ជា-ទ្រឹស្ដី"។ នៅឆ្នាំ 1965 វិធីសាស្ត្រដោះស្រាយបានលេចឡើង (J. Robinson សហរដ្ឋអាមេរិក) នៅឆ្នាំ 1967 វិធីសាស្ត្របញ្ច្រាស (, សហភាពសូវៀត) ។ វិធីសាស្រ្តអនុវត្តគំនិតនៃការប្រើប្រាស់ សរីរវិទ្យា- ច្បាប់ពិសោធន៍សម្រាប់កាត់បន្ថយការរាប់បញ្ចូលជម្រើសនៅពេលទទួលបានដំណោះស្រាយ។
4. ការទទួលស្គាល់លំនាំ (ដើមទសវត្សរ៍ទី 60) ។ គំនិតនៃទ្រឹស្តីនៃការទទួលស្គាល់ទាក់ទងនឹងការរៀនដើម្បីស្វែងរកក្បួនការសម្រេចចិត្តលើសំណុំនៃឧទាហរណ៍វិជ្ជមាន និងអវិជ្ជមាន។
នៅឆ្នាំ 1956 K. Shannon, M. Minsky និង J. McCarthy បានរៀបចំសន្និសីទមួយនៅ Dartmouth (សហរដ្ឋអាមេរិក) ដើម្បីសង្ខេបបទពិសោធន៍ជាក់ស្តែងនៃការអភិវឌ្ឍន៍កម្មវិធីបញ្ញា។
១.១.៥. ការបង្កើតមូលដ្ឋានទ្រឹស្តី
នៅឆ្នាំ 1969 សន្និសិទអន្តរជាតិដំបូងស្តីពីការវៃឆ្លាតសិប្បនិម្មិត (IJCAI) ត្រូវបានប្រារព្ធឡើងនៅទីក្រុងវ៉ាស៊ីនតោនឌីស៊ី។ នៅឆ្នាំ 1976 ទិនានុប្បវត្តិអន្តរជាតិ "Artificial Intelligence" បានចាប់ផ្តើមបោះពុម្ព។ ក្នុងអំឡុងទសវត្សរ៍ទី 70 ទិសដៅទ្រឹស្តីសំខាន់ៗនៃការស្រាវជ្រាវក្នុងវិស័យប្រព័ន្ធឆ្លាតវៃត្រូវបានបង្កើតឡើង៖
− តំណាងចំណេះដឹងការបង្កើតចំណេះដឹងអំពីបរិយាកាសខាងក្រៅ ការបង្កើតគំរូផ្ទៃក្នុងនៃពិភពខាងក្រៅ។
- ការប្រាស្រ័យទាក់ទងគ្នា, ការបង្កើតភាសានៃអន្តរកម្មរវាងប្រព័ន្ធនិងអ្នកប្រើប្រាស់;
- ហេតុផល និងការធ្វើផែនការ ការសម្រេចចិត្តក្នុងស្ថានភាពជំនួស។
- ការយល់ឃើញ (ចក្ខុវិស័យម៉ាស៊ីន) ការទទួលបានទិន្នន័យពីបរិយាកាសខាងក្រៅ។
- ការបណ្តុះបណ្តាល ទាញយកចំណេះដឹងពីបទពិសោធន៍នៃដំណើរការប្រព័ន្ធ។
- សកម្មភាព, ឥរិយាបថសកម្មនៃប្រព័ន្ធផ្អែកលើគោលដៅផ្ទាល់ខ្លួននៃមុខងារ។
១.១.៦. បញ្ហាទស្សនវិជ្ជានៃទ្រឹស្តីនៃបញ្ញាសិប្បនិម្មិត
ផ្នែករងនេះរាយសំណួរសំខាន់ៗ និងមតិយោបល់មួយចំនួនលើពួកគេអំពីបញ្ហាដែលបានពិភាក្សាញឹកញាប់ និងទូលំទូលាយនៅក្នុងទ្រឹស្តីនៃបញ្ញាសិប្បនិម្មិត។
តើបញ្ញាអាចបង្កើតឡើងវិញបានទេ? ការបន្តពូជដោយខ្លួនឯងគឺអាចធ្វើទៅបានតាមទ្រឹស្តី។ លទ្ធភាពជាមូលដ្ឋាននៃស្វ័យប្រវត្តិកម្មនៃដំណោះស្រាយបញ្ហាបញ្ញាដោយមានជំនួយពីកុំព្យូទ័រត្រូវបានផ្តល់ដោយទ្រព្យសម្បត្តិនៃសកលលោក algorithmic ។ ទោះជាយ៉ាងណាក៏ដោយ គេមិនគួរគិតថាកុំព្យូទ័រ និងមនុស្សយន្តជាគោលការណ៍អាចដោះស្រាយបញ្ហាណាមួយឡើយ។ មានបញ្ហាដែលមិនអាចដោះស្រាយបានតាមរូបមន្ត។
តើអ្វីជាគោលបំណងនៃការបង្កើតបញ្ញាសិប្បនិម្មិត? អនុញ្ញាតឱ្យយើងសន្មត់ថាមនុស្សម្នាក់បានបង្កើតបញ្ញាដែលលើសពីបញ្ញារបស់គាត់ (ប្រសិនបើមិនមានគុណភាពទេបន្ទាប់មកក្នុងបរិមាណ) ។ តើនឹងមានអ្វីកើតឡើងចំពោះមនុស្សជាតិឥឡូវនេះ? តើមនុស្សនឹងមានតួនាទីអ្វី? ហេតុអ្វីបានជាគាត់ត្រូវការឥឡូវនេះ? ហើយជាទូទៅ តើវាចាំបាច់ជាគោលការណ៍ដើម្បីបង្កើត AI ដែរឬទេ? ជាក់ស្តែង ចម្លើយដែលអាចទទួលយកបានបំផុតចំពោះសំណួរទាំងនេះ គឺជាគំនិតនៃ "ឧបករណ៍បំពងសំឡេងឆ្លាតវៃ" ។
តើវាមានសុវត្ថិភាពទេក្នុងការបង្កើតបញ្ញាសិប្បនិម្មិត? មានសមត្ថភាពឆ្លាតវៃ និងទំនាក់ទំនងខ្លាំងជាងមនុស្សច្រើនដង បច្ចេកវិទ្យានឹងក្លាយជាកម្លាំងឯករាជ្យដ៏មានឥទ្ធិពលដែលអាចទប់ទល់នឹងអ្នកបង្កើតរបស់វា។
១.១.៧. តំបន់ប្រើប្រាស់
1. ដំណើរការនៃភាសាធម្មជាតិ ការទទួលស្គាល់រូបភាព ការនិយាយ សញ្ញា ក៏ដូចជាការបង្កើតគំរូចំណុចប្រទាក់ឆ្លាតវៃ ការព្យាករណ៍ហិរញ្ញវត្ថុ ការទាញយកទិន្នន័យ ការវិនិច្ឆ័យប្រព័ន្ធ ការត្រួតពិនិត្យសកម្មភាពបណ្តាញ ការអ៊ិនគ្រីបទិន្នន័យ (ទិសដៅ - បណ្តាញសរសៃប្រសាទ) ។
2. បច្ចេកវិទ្យាណាណូ បញ្ហានៃការជួបប្រជុំគ្នាដោយខ្លួនឯង ការកំណត់រចនាសម្ព័ន្ធដោយខ្លួនឯង និងការព្យាបាលដោយខ្លួនឯងនៃប្រព័ន្ធដែលមានថ្នាំងដែលមានមុខងារជាច្រើនក្នុងពេលដំណាលគ្នា ប្រព័ន្ធពហុភ្នាក់ងារ និងមនុស្សយន្ត (ទិសដៅ - ការគណនាការវិវត្តន៍) ។
3. ប្រព័ន្ធត្រួតពិនិត្យកូនកាត់ ដំណើរការរូបភាព ឧបករណ៍សម្រាប់ស្វែងរក ការធ្វើលិបិក្រម និងការវិភាគអត្ថន័យនៃរូបភាព ការទទួលស្គាល់ និងចំណាត់ថ្នាក់នៃរូបភាព (ទិសដៅ - តក្កវិជ្ជា fuzzy) ។
4. ការវិនិច្ឆ័យវេជ្ជសាស្រ្ត ការបណ្តុះបណ្តាល ការប្រឹក្សា ការសរសេរកម្មវិធីដោយស្វ័យប្រវត្តិ ការត្រួតពិនិត្យ និងវិភាគគុណភាពនៃកម្មវិធី ការរចនាសៀគ្វីរួមបញ្ចូលគ្នាដ៏ធំ ការវិនិច្ឆ័យបច្ចេកទេស និងការបង្កើតអនុសាសន៍សម្រាប់ការជួសជុលឧបករណ៍ ការធ្វើផែនការក្នុងវិស័យផ្សេងៗ និងការវិភាគទិន្នន័យ (ទិសដៅ - ប្រព័ន្ធអ្នកជំនាញ (ES )).
5. បញ្ហាដឹកជញ្ជូន ការគណនាចែកចាយ ការផ្ទុកធនធានដ៏ល្អប្រសើរ (ទិសដៅ - វិធីសាស្រ្តនៃការកាត់បន្ថយការរាប់បញ្ចូល) ។
6. ការអភិវឌ្ឍន៍ប្រព័ន្ធរចនាកម្មវិធីធំៗ ការបង្កើតកូដ ការផ្ទៀងផ្ទាត់ ការធ្វើតេស្ត ការវាយតម្លៃគុណភាព ការកំណត់អត្តសញ្ញាណលទ្ធភាពនៃការប្រើប្រាស់ឡើងវិញ ការដោះស្រាយបញ្ហានៅលើប្រព័ន្ធប៉ារ៉ាឡែល (ទិសដៅ - វិស្វកម្មបញ្ញា) ។
7. ការបង្កើត cyberfactories ស្វ័យប្រវត្តិពេញលេញ។
8. ល្បែងអាកប្បកិរិយាសង្គមនៃអារម្មណ៍របស់មនុស្សការច្នៃប្រឌិត។
9. បច្ចេកវិទ្យាយោធា។
1.2. ស្ថាបត្យកម្មនៃប្រព័ន្ធបញ្ញាសិប្បនិម្មិត
១.២.១. ធាតុផ្សំនៃស្ថាបត្យកម្ម AIS
ស្ថាបត្យកម្មនៃប្រព័ន្ធបញ្ញាសិប្បនិម្មិត(SII) - ការរៀបចំរចនាសម្ព័ន្ធដែលការសម្រេចចិត្តត្រូវបានធ្វើឡើងហើយចំណេះដឹងត្រូវបានអនុវត្តនៅក្នុងតំបន់ជាក់លាក់មួយ។ គ្រោងការណ៍ទូទៅបំផុតនៃ SII ត្រូវបានបង្ហាញនៅក្នុងរូបភព។ 1. នៅក្នុងទម្រង់នេះ មិនមាន AIS ពិតប្រាកដតែមួយទេ ប្លុកជាក់លាក់អាចនឹងបាត់។ នៅក្នុង SII តែងតែមានប្លុកពីរប៉ុណ្ណោះ៖ មូលដ្ឋានចំណេះដឹង និងម៉ាស៊ីនសន្និដ្ឋាន។
ពិចារណាអំពីប្រភេទសំខាន់ៗរបស់ AIS នៅក្នុងប្រព័ន្ធដំណើរការ និងគ្រប់គ្រងព័ត៌មានដោយស្វ័យប្រវត្តិ៖
- ការត្រួតពិនិត្យដំណើរការ SII;
- IIS សម្រាប់ការធ្វើរោគវិនិច្ឆ័យ;
- AIS សម្រាប់រៀបចំផែនការ និងបញ្ជូន។
- មនុស្សយន្តឆ្លាតវៃ។
https://pandia.ru/text/78/057/images/image005_133.gif" width="357" height="360 src=">
អង្ករ។ 1. គ្រោងការណ៍ SII ទូទៅ
១.២.២. គ្រប់គ្រងដំណើរការ ISIS
ស្ថាបត្យកម្មនៃដំណើរការគ្រប់គ្រង ISIS ត្រូវបានបង្ហាញនៅក្នុងរូបភព។ ២.
លក្ខណៈពិសេសនៃប្រព័ន្ធនេះ៖
- ការប្រើប្រាស់ព័ត៌មានបច្ចេកវិជ្ជាសម្រាប់ការត្រួតពិនិត្យ (លក្ខណៈវាស់វែងនៃផលិតផលអំពីប៉ារ៉ាម៉ែត្រនិងរចនាសម្ព័ន្ធនៃឧបករណ៍);
- យន្តការសន្និដ្ឋានត្រូវបានប្រើដើម្បីកែប្រែទិន្នន័យ និងបង្កើតអនុសាសន៍ និងការសម្រេចចិត្តត្រួតពិនិត្យ។
- តម្រូវការដើម្បីធ្វើការនៅក្នុងពេលវេលាពិត;
- តម្រូវការក្នុងការអនុវត្តការវែកញែកបណ្ដោះអាសន្ន (ដោយគិតគូរពីលក្ខខណ្ឌផ្លាស់ប្តូរ)។
ការងាររបស់ប្រព័ន្ធត្រូវបានរៀបចំជាបីកម្រិត៖
- មូលដ្ឋានចំណេះដឹង (KB) រួមមានច្បាប់សម្រាប់ដោះស្រាយបញ្ហា នីតិវិធីសម្រាប់ដោះស្រាយបញ្ហា ទិន្នន័យអំពីតំបន់បញ្ហា ពោលគឺនៅកម្រិតមូលដ្ឋានចំណេះដឹង បច្ចេកវិទ្យាខ្លួនវា និងយុទ្ធសាស្ត្រទាំងមូលសម្រាប់ការគ្រប់គ្រងដំណើរការត្រូវបានរៀបចំឡើង។
- អង្គចងចាំដំណើរការមានព័ត៌មានអំពីលក្ខណៈជាក់លាក់ និងទិន្នន័យអំពីដំណើរការដែលកំពុងពិចារណា (DB);
- យន្តការសន្និដ្ឋាន (នៅក្នុងប្រព័ន្ធសាមញ្ញមួយ នេះគឺជានិយតករ) មានយន្តការត្រួតពិនិត្យទូទៅសម្រាប់ការសម្រេចបាននូវគោលដៅចុងក្រោយ (ដំណោះស្រាយដែលអាចទទួលយកបាន)។
សមាសធាតុសំខាន់មួយគឺប្លុកនៃការទំនាក់ទំនងរវាងដំណើរការបច្ចេកវិជ្ជាជាមួយមូលដ្ឋានទិន្នន័យ និងមូលដ្ឋានចំណេះដឹង (ប្លុក "ការវិភាគទិន្នន័យ" និង "ដំណើរការទិន្នន័យ")។ ពួកគេផ្តល់ឱ្យអ្នកប្រើប្រាស់នូវកម្រិតខ្ពស់នៃការចូលប្រើព័ត៌មានផលិតកម្មអំពីដំណើរការបច្ចេកវិទ្យាពីវត្ថុកម្រិតទាប ពោលគឺពួកគេរក្សាខ្លឹមសារនៃមូលដ្ឋានទិន្នន័យ និងមូលដ្ឋានចំណេះដឹងឱ្យទាន់សម័យដោយការអាប់ដេត។ ប្លុកក៏ផ្តល់មុខងារត្រួតពិនិត្យផងដែរ ដើម្បីការពារស្ថានភាពធ្ងន់ធ្ងរ។
យុត្តិកម្ម និងការពន្យល់អំពីតុល្យភាព និងភាពគ្រប់គ្រាន់នៃការឆ្លើយតបរបស់ប្រព័ន្ធចំពោះការអភិវឌ្ឍន៍នៃស្ថានភាពផលិតកម្មត្រូវបានផ្តល់ដោយប្លុក "ចំណុចប្រទាក់ប្រអប់" និង "ទិន្នន័យត្រួតពិនិត្យ" ។
https://pandia.ru/text/78/057/images/image007_118.gif" width="357" height="149 src=">
អង្ករ។ 2. រចនាសម្ព័ន្ធនៃការគ្រប់គ្រងដំណើរការ FIS
១.២.៣. AIS សម្រាប់ការធ្វើរោគវិនិច្ឆ័យ
ប្រព័ន្ធនេះជាមូលដ្ឋានមិនខុសពីប្រព័ន្ធមុនទេ។ ហើយចាប់តាំងពីសញ្ញានៃពិការភាពជាច្រើនអាចស្របគ្នា ហើយការបង្ហាញរបស់វាអាចមិនស៊ីសង្វាក់គ្នា បន្ទាប់មកនៅក្នុងប្រព័ន្ធទាំងនេះមានធាតុផ្សំលម្អិតបន្ថែមទៀតនៃយុត្តិកម្ម និងការពន្យល់នៃការធ្វើរោគវិនិច្ឆ័យ។ ដូច្នេះជាញឹកញាប់នៅក្នុងប្រព័ន្ធបែបនេះ ពួកគេណែនាំការវាយតម្លៃនៃការសម្រេចចិត្តក្នុងលក្ខខណ្ឌនៃប្រូបាប៊ីលីតេជាប្រធានបទ។
១.២.៤. AIS នៃបន្ទាត់មនុស្សយន្ត និងប្រព័ន្ធផលិតកម្មដែលអាចបត់បែនបាន។
លក្ខណៈពិសេសនៃប្រព័ន្ធបែបនេះគឺវត្តមាននៃគំរូនៃពិភពលោក។ ប្រព័ន្ធមនុស្សយន្តដំណើរការក្រោមលក្ខខណ្ឌជាក់លាក់របស់វា ហើយជាគោលការណ៍ការពិពណ៌នាលម្អិតអំពីបរិស្ថាននេះគឺអាចធ្វើទៅបាន។ គំរូគណិតវិទ្យានៃបរិស្ថាននេះត្រូវបានគេហៅថា គំរូនៃពិភពខាងក្រៅ. វាគឺជាខ្លឹមសារសំខាន់នៃ KB នៃមនុស្សយន្ត AI ហើយផ្នែកផ្សេងទៀតនៃ KB គឺជាចំណេះដឹងអំពីគោលដៅនៃប្រព័ន្ធ (រូបភាពទី 3) ។
https://pandia.ru/text/78/057/images/image009_112.gif" width="294" height="100 src=">
អង្ករ។ 3. AIS នៃបន្ទាត់មនុស្សយន្ត និងប្រព័ន្ធផលិតកម្មដែលអាចបត់បែនបាន។
ប្រព័ន្ធយល់ឃើញរបស់រដ្ឋបរិស្ថានរួមមាន:
- ឧបករណ៍ចាប់សញ្ញាភ្ជាប់ដោយផ្ទាល់ជាមួយបរិស្ថានខាងក្រៅ;
- ប្រព័ន្ធរងដំណើរការមុន;
- ប្លុកការបែងចែកលក្ខណៈពិសេស;
- ការពិពណ៌នានិមិត្តសញ្ញានៃស្ថានភាពបរិស្ថាន;
- ការពិពណ៌នាអត្ថន័យនៃស្ថានភាពបរិស្ថាន;
- ប្លុកនៃការបង្កើតគំរូរដ្ឋបរិស្ថាន។
យន្តការសន្និដ្ឋាន ឬប្រព័ន្ធរៀបចំផែនការអាកប្បកិរិយាកំណត់សកម្មភាពរបស់មនុស្សយន្តនៅក្នុងបរិយាកាសខាងក្រៅដែលជាលទ្ធផលនៃស្ថានភាពបច្ចុប្បន្ន និងស្របតាមគោលដៅសកល។ រួមមានៈ
- ប្រព័ន្ធសេចក្តីសម្រេចចិត្ត;
- ប្លុកនៃការធ្វើផែនការចលនារបស់ actuators ។
ប្រព័ន្ធប្រតិបត្តិសកម្មភាពរួមមាន:
- ប្រព័ន្ធរងគ្រប់គ្រងដ្រាយ;
- ដ្រាយ;
- ឧបករណ៍ប្រតិបត្តិ។
១.២.៥. AIS រៀបចំផែនការ និងបញ្ជូន
គោលបំណង៖ ដោះស្រាយបញ្ហានៃការគ្រប់គ្រងប្រតិបត្តិការ ការប្រៀបធៀបលទ្ធផលនៃការត្រួតពិនិត្យដំណើរការរបស់វត្ថុក្នុងលក្ខខណ្ឌនៃគោលដៅដែលបានគ្រោងទុក ក៏ដូចជាការត្រួតពិនិត្យ (រូបភាពទី 4) ។
ការត្រួតពិនិត្យ- ការបកស្រាយជាបន្ត ឬតាមកាលកំណត់នៃសញ្ញា និងការចេញសារនៅពេលមានស្ថានការណ៍ដែលទាមទារឱ្យមានអន្តរាគមន៍។
លក្ខណៈពិសេសមួយនៃប្រព័ន្ធទាំងនេះគឺសកម្មភាពពេលវេលាជាក់ស្តែង ការទំនាក់ទំនងជាមួយមូលដ្ឋានទិន្នន័យចែកចាយនៃប្រព័ន្ធត្រួតពិនិត្យរួមបញ្ចូលគ្នា។ ប្រព័ន្ធបែបនេះគឺចាំបាច់ ព្រោះទិន្នន័យ IS គឺជាផ្នែកមួយនៃប្រព័ន្ធគ្រប់គ្រង។
https://pandia.ru/text/78/057/images/image011_89.gif" width="365" height="167 src=">
អង្ករ។ 4. ការធ្វើផែនការ និងការបញ្ជូនរបស់ AIS
1.3. បញ្ហានៃការតំណាងចំណេះដឹងនៅក្នុង AIS
១.៣.១. ចំណេះដឹង និងទិន្នន័យ
បញ្ហាតំណាងនៃចំណេះដឹងបានលេចចេញជាបញ្ហាមួយក្នុងចំណោមបញ្ហារបស់ AI ។ វាត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការបង្កើតប្រព័ន្ធដែលមានប្រយោជន៍ជាចម្បង ES ដែលប្រើក្នុងវេជ្ជសាស្ត្រ ភូគព្ភសាស្ត្រ និងគីមីវិទ្យា។ ការបង្កើតប្រព័ន្ធបែបនេះតម្រូវឱ្យមានការខិតខំប្រឹងប្រែងយ៉ាងយកចិត្តទុកដាក់ក្នុងការបង្កើតចំណេះដឹងដែលបានប្រមូលផ្តុំនៅក្នុងវិទ្យាសាស្ត្រដែលពាក់ព័ន្ធជាផ្លូវការ។
ពាក្យ "តំណាងនៃចំណេះដឹង" ត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងដំណាក់កាលជាក់លាក់មួយក្នុងការអភិវឌ្ឍន៍កម្មវិធីកុំព្យូទ័រ។ ប្រសិនបើនៅដំណាក់កាលដំបូងកម្មវិធីត្រូវបានគ្រប់គ្រង ហើយទិន្នន័យបានដើរតួជាជំនួយនៃប្រភេទនៃ "អាហារ" សម្រាប់កម្មវិធី "ឃ្លាន" បន្ទាប់មកនៅដំណាក់កាលបន្តបន្ទាប់តួនាទីនៃទិន្នន័យកើនឡើងជាលំដាប់។ រចនាសម្ព័ន្ធរបស់ពួកគេកាន់តែស្មុគស្មាញ៖ ពីពាក្យម៉ាស៊ីនដែលមានទីតាំងនៅក្នុងកោសិកាអង្គចងចាំកុំព្យូទ័រមួយ មានការផ្លាស់ប្តូរទៅជាវ៉ិចទ័រ អារេ ឯកសារ បញ្ជី។ មកុដនៃការអភិវឌ្ឍន៍នេះគឺជាប្រភេទទិន្នន័យអរូបី - ថ្នាក់។ ការអភិវឌ្ឍន៍ប្រកបដោយស្ថិរភាពនៃរចនាសម្ព័ន្ធទិន្នន័យបាននាំឱ្យមានការផ្លាស់ប្តូរគុណភាព និងការផ្លាស់ប្តូរពីការតំណាងទិន្នន័យទៅជាតំណាងចំណេះដឹង។
ការទទួលបានចំណេះដឹង
កម្រិតនៃការតំណាងចំណេះដឹងខុសគ្នាពីកម្រិតនៃការតំណាងទិន្នន័យមិនត្រឹមតែនៅក្នុងរចនាសម្ព័ន្ធស្មុគ្រស្មាញប៉ុណ្ណោះទេ ប៉ុន្តែក៏មានលក្ខណៈពិសេសសំខាន់ៗផងដែរ៖ ការបកស្រាយ វត្តមាននៃទំនាក់ទំនងដែលបានចាត់ថ្នាក់ វត្តមាន ទំនាក់ទំនងតាមស្ថានភាព(ភាពដំណាលគ្នា ស្ថិតនៅចំណុចដូចគ្នាក្នុងលំហ។ លើសពីនេះ កម្រិតនៃចំណេះដឹងត្រូវបានកំណត់លក្ខណៈដោយលក្ខណៈពិសេសដូចជាវត្តមាននៃនីតិវិធីពិសេសសម្រាប់ទូទៅ ការបំពេញបន្ថែមនៃចំណេះដឹងដែលមាននៅក្នុងប្រព័ន្ធ និងនីតិវិធីមួយចំនួនផ្សេងទៀត។
ការបង្ហាញទិន្នន័យមានទិដ្ឋភាពអកម្ម៖ សៀវភៅ តារាង ការចងចាំដែលពោរពេញទៅដោយព័ត៌មាន។ ទ្រឹស្តី AI សង្កត់ធ្ងន់លើទិដ្ឋភាពសកម្មនៃការតំណាងចំណេះដឹង៖ ការទទួលបានចំណេះដឹងគួរតែក្លាយជាប្រតិបត្តិការសកម្មដែលអនុញ្ញាតឱ្យមិនត្រឹមតែទន្ទេញចាំប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងអនុវត្តចំណេះដឹងដែលយល់ឃើញ (ទទួលបាន រួមបញ្ចូលគ្នា) សម្រាប់ហេតុផលដោយផ្អែកលើវា។
១.៣.២. គំនិតនៃម៉ាស៊ីនអភិវឌ្ឍខ្លួនឯង
ការស្រាវជ្រាវក្នុងវិស័យ AI បានកើតឡើងក្រោមឥទិ្ធពលនៃគំនិតនៃ cybernetics - ជាចម្បងគំនិតនៃភាពសាមញ្ញនៃដំណើរការនៃការគ្រប់គ្រង និងការបញ្ជូនព័ត៌មាននៅក្នុងសារពាង្គកាយរស់នៅ សង្គម និងបច្ចេកវិទ្យា ជាពិសេសនៅក្នុងកុំព្យូទ័រ។
ភាពអាចទទួលយកបានតាមទស្សនវិជ្ជានៃបញ្ហា AI ក្នុងទម្រង់ប្រពៃណីរបស់វា គឺដោយសារតែគោលគំនិតដែលថាលំដាប់ និងការភ្ជាប់នៃគំនិតគឺដូចគ្នាទៅនឹងលំដាប់ និងការតភ្ជាប់នៃវត្ថុ។ ដូច្នេះដើម្បីបង្កើតរចនាសម្ព័ន្ធនៅក្នុងកុំព្យូទ័រដែលបង្កើតឡើងវិញនូវ "ពិភពនៃគំនិត" មានន័យថាគ្រាន់តែបង្កើតរចនាសម្ព័ន្ធ isomorphic ទៅនឹងរចនាសម្ព័ន្ធនៃពិភពសម្ភារៈ នោះគឺដើម្បីបង្កើត "គំរូអេឡិចត្រូនិចនៃពិភពលោក" ។ គំរូនេះត្រូវបានគេចាត់ទុកថាជាគំរូកុំព្យូទ័រ - គំរូនៃចំណេះដឹងរបស់មនុស្សអំពីពិភពលោក។ ដំណើរការនៃការគិតរបស់មនុស្សត្រូវបានបកស្រាយនៅក្នុងកុំព្យូទ័រថាជាការស្វែងរកម៉ាស៊ីនសម្រាប់ការបំប្លែងគំរូបែបនេះ ដែលត្រូវបានគេសន្មត់ថាផ្ទេរគំរូកុំព្យូទ័រទៅស្ថានភាពចុងក្រោយមួយចំនួន។ AIS ត្រូវដឹងពីរបៀបអនុវត្តការបំប្លែងរដ្ឋគំរូដែលនាំទៅដល់គោលដៅដែលបានកំណត់ទុកជាមុន - រដ្ឋដែលមានលក្ខណៈសម្បត្តិជាក់លាក់។ ដំបូងឡើយ មានជំនឿយ៉ាងទូលំទូលាយលើសមត្ថភាពជាមូលដ្ឋានរបស់កុំព្យូទ័រក្នុងការសិក្សាដោយឯករាជ្យនូវគំរូដែលបានរក្សាទុកនៅក្នុងវា ពោលគឺដើម្បីរៀនដោយខ្លួនឯងនូវយុទ្ធសាស្ត្រសម្រាប់ការសម្រេចបាននូវគោលដៅដែលបានកំណត់។
សមត្ថភាពសម្មតិកម្មនេះត្រូវបានបកស្រាយថាជាលទ្ធភាពនៃការច្នៃប្រឌិតរបស់ម៉ាស៊ីន ជាមូលដ្ឋានសម្រាប់ការបង្កើត "ម៉ាស៊ីនគិត" នាពេលអនាគត។ ហើយទោះបីជានៅក្នុងប្រព័ន្ធដែលបានអភិវឌ្ឍយ៉ាងពិតប្រាកដក៏ដោយ ការសម្រេចបាននូវគោលដៅត្រូវបានអនុវត្តដោយផ្អែកលើបទពិសោធន៍របស់មនុស្ស ដោយមានជំនួយពីក្បួនដោះស្រាយដោយផ្អែកលើការវិភាគទ្រឹស្តីនៃគំរូដែលបានបង្កើត និងលទ្ធផលនៃការពិសោធន៍ដែលបានអនុវត្តលើពួកគេ គំនិតនៃការកសាងខ្លួនឯង។ ប្រព័ន្ធសិក្សាហាក់ដូចជាមានជោគជ័យបំផុត។ ត្រឹមទស្សវត្សរ៍ឆ្នាំ 1980 សារៈសំខាន់នៃបញ្ហានៃការប្រើប្រាស់ចំណេះដឹងរបស់មនុស្សអំពីការពិតនៅក្នុងប្រព័ន្ធបញ្ញាត្រូវបានដឹង ដែលនាំទៅដល់ការអភិវឌ្ឍន៍យ៉ាងធ្ងន់ធ្ងរនៃមូលដ្ឋានចំណេះដឹង និងវិធីសាស្រ្តក្នុងការទាញយកចំណេះដឹងផ្ទាល់ខ្លួនរបស់អ្នកជំនាញ។
១.៣.៣. ការឆ្លុះបញ្ចាំងជាធាតុផ្សំនៃសកម្មភាពបញ្ញា
ជាមួយនឹងការអភិវឌ្ឍន៍នៃទិសដៅនេះគំនិតនៃការគ្រប់គ្រងការឆ្លុះបញ្ចាំងបានកើតឡើង។ រហូតមកដល់ចំណុចនេះនៅក្នុង cybernetics ការគ្រប់គ្រងត្រូវបានចាត់ទុកថាជាការបញ្ជូនសញ្ញាទៅវត្ថុដែលជះឥទ្ធិពលដោយផ្ទាល់ទៅលើអាកប្បកិរិយារបស់វា ហើយប្រសិទ្ធភាពនៃការគ្រប់គ្រងត្រូវបានសម្រេចដោយប្រើមតិត្រឡប់ - ការទទួលបានព័ត៌មានអំពីប្រតិកម្មនៃវត្ថុដែលបានគ្រប់គ្រង។ ឆ្លុះបញ្ចាំងដូចគ្នា គ្រប់គ្រង- មានការផ្ទេរព័ត៌មានដែលប៉ះពាល់ដល់រូបភាពរបស់វត្ថុនៃពិភពលោក។ ដូច្នេះ មតិត្រឡប់ប្រែទៅជាមិនប្រើដដែល - ស្ថានភាពនៃប្រធានបទត្រូវបានគេដឹងចំពោះការបញ្ជូនព័ត៌មាន នោះគឺវត្ថុ។
AIS ប្រពៃណីគឺផ្អែកលើមនោគមវិជ្ជានៃឥរិយាបទតម្រង់ទិសគោលដៅ ដូចជាល្បែងអុក ដែលគោលដៅរបស់ដៃគូទាំងពីរគឺដើម្បីពិនិត្យមើលមិត្តរួមជាមួយនឹងតម្លៃនៃការលះបង់ណាមួយ។ វាមិនមែនជារឿងចៃដន្យទេដែលកម្មវិធីអុកបានប្រែទៅជាមានសារៈសំខាន់សម្រាប់ការអភិវឌ្ឍន៍វិធីសាស្រ្ត AI ។
ការវិភាគនៃដំណើរការនៃគំរូផ្ទាល់ខ្លួនឬគំរូនៃ "ការពិតជុំវិញទាំងមូល" (នៅក្នុងក្របខ័ណ្ឌនៃសំណុំភារកិច្ច) ការគ្រប់គ្រងលើរដ្ឋរបស់ខ្លួនការព្យាករណ៍រដ្ឋគឺគ្មានអ្វីក្រៅពីការអនុវត្តការឆ្លុះបញ្ចាំង។ ការឆ្លុះបញ្ចាំងគឺជាកម្រិតមេតាជាក់លាក់។ ជាមួយនឹងការប្រើប្រាស់ភាសាសរសេរកម្មវិធីកម្រិតខ្ពស់ដូចជា Prolog ដែលអនុញ្ញាតឱ្យអ្នកបង្កើតគោលដៅ និងបង្កើតការសន្និដ្ឋានឡូជីខលអំពីលទ្ធភាពសម្រេចបាននៃគោលដៅទាំងនេះ ភារកិច្ចនៃការអនុវត្តការឆ្លុះបញ្ចាំងអាចត្រូវបានដោះស្រាយដោយផ្នែករួចហើយ។ ដោយមានជំនួយរបស់ពួកគេ អ្នកអាចកសាងប្រភេទ superstructure ដែលជាប្រភេទនៃកម្រិតមេតាដែលអនុញ្ញាតឱ្យអ្នកវាយតម្លៃឥរិយាបថរបស់មុន។ ទោះជាយ៉ាងណាក៏ដោយនៅពេលពិចារណាពាក្យ "ការឆ្លុះបញ្ចាំងយ៉ាងជ្រៅ" ឬ "ការឆ្លុះបញ្ចាំងច្រើនកម្រិត" បញ្ហានៃការសាងសង់គំរូដោយប្រព័ន្ធខ្លួនឯងកើតឡើង។ នេះគឺជាកន្លែងដែលប្រភេទទិន្នន័យអរូបីមកជួយសង្គ្រោះ។ ពួកគេអនុញ្ញាតឱ្យអ្នកធ្វើប្រតិបត្តិការជាមួយរចនាសម្ព័ន្ធទិន្នន័យនៃភាពស្មុគស្មាញកំណត់ណាមួយ។ ដូច្នេះយើងអាចសន្មត់ថាប្រព័ន្ធបញ្ញាសិប្បនិម្មិតអាចមានគំរូឆ្លុះបញ្ចាំង។
ដូច្នេះវាមិនអាចទៅរួចទេក្នុងការពិចារណាប្រព័ន្ធបញ្ញាពេញលេញដោយគ្មានសមត្ថភាពក្នុងការវាយតម្លៃ "យល់" សកម្មភាពរបស់មនុស្សម្នាក់ ពោលគឺឆ្លុះបញ្ចាំង។ ជាងនេះទៅទៀត ការឆ្លុះបញ្ចាំងគួរតែត្រូវបានចាត់ទុកថាជាឧបករណ៍សំខាន់មួយសម្រាប់បង្កើតឥរិយាបថនៃប្រព័ន្ធ។ នៅក្នុងភាសានៃគណិតវិទ្យា ការឆ្លុះបញ្ចាំងគឺជាលក្ខខណ្ឌចាំបាច់សម្រាប់អត្ថិភាពនៃប្រព័ន្ធបញ្ញា។
១.៣.៤. ភាសាតំណាងចំណេះដឹង
ក្នុងន័យជាក់លាក់មួយ កម្មវិធីកុំព្យូទ័រណាមួយមានចំណេះដឹង។ កម្មវិធីតម្រៀបពពុះមានចំណេះដឹងរបស់អ្នកសរសេរកម្មវិធីអំពីរបៀបបញ្ជាធាតុនៃបញ្ជី។ ការយល់ដឹងអំពីខ្លឹមសារនៃកម្មវិធីកុំព្យូទ័រដែលដោះស្រាយបញ្ហានៃការតម្រៀបបញ្ជីគឺមិនងាយស្រួលនោះទេ។ វាមានចំនេះដឹងរបស់អ្នកសរសេរកម្មវិធីអំពីវិធីសាស្រ្តនៃការដោះស្រាយបញ្ហា ប៉ុន្តែបន្ថែមលើចំណេះដឹងនេះ វាមានផ្សេងៗទៀត៖
- របៀបរៀបចំរចនាសម្ព័ន្ធភាសានៃភាសាសរសេរកម្មវិធីដែលកំពុងប្រើប្រាស់។
- របៀបដើម្បីសម្រេចបាននូវការអនុវត្តខ្ពស់នៃកម្មវិធី;
- របៀបជ្រើសរើសវិធីសាស្រ្តសមស្របសម្រាប់ការដោះស្រាយបញ្ហាដំណើរការទិន្នន័យជាក់លាក់ដែលទោះជាយ៉ាងណាដើរតួនាទីយ៉ាងសំខាន់ក្នុងការសម្រេចបានលទ្ធផលចុងក្រោយ និងរបៀបរៀបចំការគ្រប់គ្រងដំណើរការ។
ភាសាតំណាងចំណេះដឹងគឺជាភាសាកម្រិតខ្ពស់ដែលត្រូវបានរចនាឡើងជាពិសេសដើម្បីបំប្លែងបំណែកនៃចំណេះដឹងរបស់មនុស្សយ៉ាងច្បាស់ ដូចជាច្បាប់ឥទ្ធិពល និងសំណុំនៃលក្ខណៈសម្បត្តិនៃវត្ថុធម្មតា ហើយកម្រិតខ្ពស់នៃភាសាត្រូវបានបង្ហាញនៅក្នុងការពិតដែលថាតាមដែលអាចធ្វើទៅបាន។ ព័ត៌មានលម្អិតបច្ចេកទេសនៃយន្តការតំណាងចំណេះដឹងត្រូវបានលាក់ពីអ្នកប្រើប្រាស់។ មិនដូចភាសាសរសេរកម្មវិធីសាមញ្ញជាងនេះទេ ភាសាតំណាងចំណេះដឹងគឺសន្សំសំចៃជាពិសេសទាក់ទងនឹងទំហំកូដ។ នេះគឺភាគច្រើនដោយសារតែការពិតដែលថាអ្នកបកប្រែភាសាយកចិត្តទុកដាក់លើរឿងតូចតាចជាច្រើន។
ទោះបីជាមានគុណសម្បត្តិដែលបានកត់សម្គាល់នៃភាសាបែបនេះក៏ដោយ ក៏គេមិនគួរភ្លេចអំពីអត្ថិភាពនៃបញ្ហាមួយចំនួននៅក្នុងកម្មវិធីរបស់ពួកគេដែរ។
ការផ្លាស់ប្តូរពីការពិពណ៌នាអំពីចំណេះដឹងអំពីប្រធានបទនៅក្នុងភាសា "មនុស្ស" ដែលអាចយល់បានទាំងអស់ ទៅជាការបង្ហាញវាក្នុងទម្រង់នៃទម្រង់បែបបទមួយចំនួនដែលយល់ឃើញដោយកុំព្យូទ័រ ទាមទារជំនាញជាក់លាក់មួយ ព្រោះវាមិនអាចទៅរួចទេ (យ៉ាងហោចណាស់សព្វថ្ងៃនេះ) ដើម្បីពិពណ៌នាអំពីវិធីមេកានិច។ ធ្វើការផ្លាស់ប្តូរបែបនេះ។ ដោយសារលទ្ធភាពនៃការសន្និដ្ឋានដែលកម្មវិធីអាចអនុវត្តបានគឺទាក់ទងដោយផ្ទាល់ទៅនឹងជម្រើសនៃមធ្យោបាយដើម្បីតំណាងឱ្យចំណេះដឹង វាគឺជាតំណាងនៃចំណេះដឹង មិនមែនការស្រង់ចេញនោះទេ នោះគឺជាឧបសគ្គក្នុងការអនុវត្តការរចនា ES ។
S.G. ថុលម៉ាឆេវ
បញ្ញាសិប្បនិមិត្ត។
ម៉ូដែលបណ្តាញសរសៃប្រសាទ
ក្រសួងអប់រំ និងវិទ្យាសាស្ត្រនៃសហព័ន្ធរុស្ស៊ី សាកលវិទ្យាល័យបច្ចេកទេសរដ្ឋបាល់ទិក "វនមេ"
នាយកដ្ឋានដំណើរការ និងប្រព័ន្ធគ្រប់គ្រងព័ត៌មាន
S.G. ថុលម៉ាឆេវ
បញ្ញាសិប្បនិមិត្ត។
ម៉ូដែលបណ្តាញសរសៃប្រសាទ
ការបង្រៀន
សាំងពេទឺប៊ឺគ
UDC 004.8(075.8) Т52
Tolmachev, S.G.
T52 ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត។ ម៉ូដែលបណ្តាញសរសៃប្រសាទ៖ សៀវភៅសិក្សា / S.G. ថុលម៉ាឆេវ; បាលត។ រដ្ឋ បច្ចេកវិទ្យា។ un-t ។ - សាំងពេទឺប៊ឺគឆ្នាំ 2011. 132 ទំ។
ISBN 978-5-85546-633-1
ព័ត៌មានមូលដ្ឋានអំពីរចនាសម្ព័ន្ធ និងគោលការណ៍នៃដំណើរការនៃបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតត្រូវបានផ្តល់ឱ្យ។ ដំណើរការនៃណឺរ៉ូនផ្លូវការ ការចាត់ថ្នាក់នៃបណ្តាញសរសៃប្រសាទយោងទៅតាមស្ថាបត្យកម្ម និងប្រភេទនៃការរៀនរបស់ពួកគេ ការបង្កើតធម្មតានៃបញ្ហាបណ្តាញសរសៃប្រសាទផ្សេងៗ និងវិធីសាស្រ្តសម្រាប់ដំណោះស្រាយរបស់ពួកគេត្រូវបានពិចារណា។
វាត្រូវបានបម្រុងទុកសម្រាប់និស្សិតជាន់ខ្ពស់ដែលកំពុងសិក្សាក្នុងឯកទេស "ប្រព័ន្ធព័ត៌មាន និងបច្ចេកវិទ្យា" និង "ប្រព័ន្ធស្វ័យប្រវត្តិសម្រាប់ដំណើរការ និងត្រួតពិនិត្យព័ត៌មាន"។
UDC 004.8(075.8)
អ្នកពិនិត្យមើលគ្នា៖ បណ្ឌិត បច្ចេកវិទ្យា សាស្រ្តាចារ្យវិទ្យាសាស្ត្រ, ក្បាល។ វិទ្យាសាស្ត្រ បុគ្គលិកនៃ OJSC "ការព្រួយបារម្ភ "Granit-Electron" S.N. បាល់; ស្ករគ្រាប់។ បច្ចេកវិទ្យា។ វិទ្យាសាស្រ្ត, prof ។ , ក្បាល។ ហាងកាហ្វេ I5 BSTU N.N. Smirnova
អនុម័តដោយក្រុមប្រឹក្សាវិចារណកថា និងបោះពុម្ពនៃសាកលវិទ្យាល័យ
ការណែនាំ
ឧបករណ៍ដ៏មានឥទ្ធិពលបំផុតមួយសម្រាប់បង្កើតប្រព័ន្ធឆ្លាតវៃគឺបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (ANNs) ដែលយកគំរូតាមយន្តការដំណើរការព័ត៌មានជាមូលដ្ឋានដែលមាននៅក្នុងខួរក្បាលរបស់មនុស្ស។ វាត្រូវបានគេដឹងថាខួរក្បាលធ្វើការក្នុងវិធីផ្សេងគ្នាជាមូលដ្ឋាន ហើយជារឿយៗមានប្រសិទ្ធភាពជាងកុំព្យូទ័រដែលបង្កើតឡើងដោយមនុស្ស។ វាគឺជាការពិតដែលបានជំរុញអ្នកវិទ្យាសាស្ត្រអស់រយៈពេលជាច្រើនឆ្នាំដើម្បីធ្វើការលើការបង្កើត និងស្រាវជ្រាវបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត។
ខួរក្បាលគឺជាប្រព័ន្ធដំណើរការព័ត៌មានដ៏ស្មុគស្មាញបំផុត។ វាមានសមត្ថភាពក្នុងការរៀបចំសមាសធាតុរចនាសម្ព័ន្ធរបស់វា ហៅថាណឺរ៉ូន ដូច្នេះពួកគេអាចអនុវត្តការងារជាក់លាក់ (ការទទួលស្គាល់លំនាំ ដំណើរការអារម្មណ៍ មុខងារម៉ូទ័រ) ច្រើនដងលឿនជាងកុំព្យូទ័រដែលលឿនបំផុតនាពេលបច្ចុប្បន្ននេះ។ ឧទាហរណ៍នៃកិច្ចការបែបនេះគឺជាចក្ខុវិស័យធម្មតា។ មុខងារនៃប្រព័ន្ធមើលឃើញគឺដើម្បីបង្កើតតំណាងនៃពិភពលោកតាមរបៀបដែលផ្តល់នូវលទ្ធភាពនៃអន្តរកម្មជាមួយវា។ ខួរក្បាលអនុវត្តភារកិច្ចទទួលស្គាល់ជាបន្តបន្ទាប់ (ឧទាហរណ៍ ការទទួលស្គាល់មុខដែលធ្លាប់ស្គាល់នៅក្នុងបរិយាកាសដែលមិនធ្លាប់ស្គាល់) ហើយចំណាយ 100-200 ms សម្រាប់រឿងនេះ។ ការអនុវត្តការងារស្រដៀងគ្នានៃភាពស្មុគស្មាញតិចជាងនៅលើកុំព្យូទ័រអាចចំណាយពេលច្រើនម៉ោង។
ដើម្បីដឹងគុណចំពោះទំហំនៃបញ្ហាប្រឈមនៃការបង្កើតម៉ាស៊ីនដែលដំណើរការល្អឥតខ្ចោះដូចខួរក្បាលរបស់យើង វាគឺគ្រប់គ្រាន់ដើម្បីគិតអំពីកិច្ចការមួយចំនួនដែលយើងធ្វើជារៀងរាល់ថ្ងៃ។ ឧបមាថាអ្នកកំពុងអង្គុយនៅតុរបស់អ្នក ហើយនៅពេលនេះ មិត្តរួមការងាររបស់អ្នកដែលបានត្រឡប់មកពីវិស្សមកាលចូលបន្ទប់។ គាត់ពាក់អាវយឺតថ្មី វ៉ែនតាការពារពន្លឺថ្ងៃ ហើយមើលទៅក្មេងជាងវ័យ ដោយសារគាត់កោរពុកមាត់។ តើអ្នកស្គាល់គាត់ទេ? ដោយមិនសង្ស័យ ព្រោះការក្លែងបន្លំមិនមែនជាផ្នែកនៃផែនការរបស់គាត់ទេ។ ក្នុងពេលសន្ទនា គាត់សួរអ្នកថា “តើសៀវភៅដែលខ្ញុំឲ្យអ្នកអាននៅឯណា?”។ អ្នកបកស្រាយសំណួរជាសំណើសុំប្រគល់សៀវភៅមកវិញ។ បន្ទាប់មកមើលតារាងរបស់អ្នក។
អ្នកឃើញក្នុងចំនោមសៀវភៅ និងក្រដាសដែលដេកលើវា សៀវភៅដែលមានសំណួរ លាតដៃរបស់អ្នកទៅវា យកវាចេញពីគំនរឯកសារ ហើយប្រគល់វាទៅមិត្តរួមការងាររបស់អ្នក។ កិច្ចការប្រចាំថ្ងៃបែបនេះមិនតម្រូវឱ្យមានការខិតខំប្រឹងប្រែងខាងបញ្ញាច្រើនពីយើងទេ ប៉ុន្តែដំណោះស្រាយចំពោះពួកគេនីមួយៗពាក់ព័ន្ធនឹងជំហានជាច្រើនដែលបានគណនាយ៉ាងជាក់លាក់។ ភាពស្មុគ្រស្មាញនៃការដោះស្រាយបញ្ហាបែបនេះអាចមានអារម្មណ៍នៅពេលព្យាយាមសរសេរប្រព័ន្ធកុំព្យូទ័រដើម្បីសម្គាល់វត្ថុដោយរូបរាង ឬលក្ខណៈផ្សេងទៀត ធ្វើការសម្រេចចិត្តអាស្រ័យលើបរិបទ។ល។
ឧទាហរណ៍សាមញ្ញជាងនេះគឺ bat sonar ដែលជាប្រព័ន្ធអេកូសកម្ម។ បន្ថែមពីលើការផ្តល់ព័ត៌មានអំពីចម្ងាយទៅវត្ថុដែលចង់បាន ឧបករណ៍កំណត់ទីតាំងនេះអនុញ្ញាតឱ្យអ្នកគណនាប៉ារ៉ាម៉ែត្រវត្ថុដូចជា ល្បឿនដែលទាក់ទង ទំហំនៃធាតុនីមួយៗ និងទិសដៅនៃចលនា។ ដើម្បីទាញយកព័ត៌មាននេះពីសញ្ញាដែលទទួលបាន ខួរក្បាលដ៏តូចរបស់សត្វប្រចៀវធ្វើការគណនាសរសៃប្រសាទដ៏ស្មុគស្មាញ។
តើអ្វីអនុញ្ញាតឱ្យខួរក្បាលរបស់មនុស្ស ឬសត្វប្រចៀវសម្រេចបានលទ្ធផលបែបនេះ? នៅពេលកើតមក ខួរក្បាលមានរចនាសម្ព័នដ៏ល្អឥតខ្ចោះរួចហើយ ដែលអនុញ្ញាតឱ្យវាបង្កើតច្បាប់ដោយខ្លួនឯង ដោយផ្អែកលើអ្វីដែលគេហៅថាបទពិសោធន៍។ បទពិសោធន៍ប្រមូលផ្ដុំតាមពេលវេលារហូតដល់ថ្ងៃចុងក្រោយនៃជីវិតរបស់មនុស្ស ជាពិសេសការផ្លាស់ប្តូរទ្រង់ទ្រាយធំកើតឡើងក្នុងរយៈពេលពីរឆ្នាំដំបូងនៃជីវិត។
ការអភិវឌ្ឍនៃណឺរ៉ូនត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងគំនិតនៃប្លាស្ទិកខួរក្បាល - សមត្ថភាពក្នុងការកែតម្រូវប្រព័ន្ធសរសៃប្រសាទស្របតាមលក្ខខណ្ឌបរិស្ថាន។ ប្លាស្ទិកដើរតួយ៉ាងសំខាន់ក្នុងប្រតិបត្តិការនៃសរសៃប្រសាទដែលជាអង្គភាពដំណើរការព័ត៌មានមូលដ្ឋាននៅក្នុងខួរក្បាលមនុស្ស។ ស្រដៀងគ្នានេះដែរ ណឺរ៉ូនសិប្បនិម្មិតត្រូវបានកែសម្រួលនៅក្នុង ANN ។ ជាទូទៅ ANN គឺជាម៉ាស៊ីនដែលក្លែងធ្វើពីរបៀបដែលខួរក្បាលដោះស្រាយបញ្ហាជាក់លាក់មួយ។ បណ្តាញនេះត្រូវបានអនុវត្តដោយប្រើសមាសធាតុអេឡិចត្រូនិច (ឧបករណ៍ដំណើរការសរសៃប្រសាទ) ឬយកគំរូតាមកម្មវិធីដែលដំណើរការលើកុំព្យូទ័រឌីជីថល។ ដើម្បីសម្រេចបាននូវការអនុវត្តខ្ពស់ ANNs ប្រើប្រាស់ទំនាក់ទំនងអន្តរកម្មជាច្រើនរវាងកោសិកាបឋមនៃការគណនា - ណឺរ៉ូន។ ក្នុងចំណោមនិយមន័យជាច្រើននៃបណ្តាញសរសៃប្រសាទ ភាពត្រឹមត្រូវបំផុតគឺនិយមន័យនៃ ANN ជាម៉ាស៊ីនសម្របខ្លួន៖ បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតវាត្រូវបានចែកចាយ
ដំណើរការប៉ារ៉ាឡែលដែលមានធាតុដំណើរការព័ត៌មានធម្មតាដែលប្រមូលផ្តុំចំណេះដឹងពិសោធន៍ និងផ្តល់វាសម្រាប់ដំណើរការបន្ថែម។ បណ្តាញសរសៃប្រសាទគឺស្រដៀងទៅនឹងខួរក្បាលតាមពីរវិធី៖
1) ចំណេះដឹងចូលទៅក្នុងបណ្តាញសរសៃប្រសាទពីបរិស្ថាន
និង ប្រើដោយបណ្តាញក្នុងដំណើរការសិក្សា;
2) ដើម្បីកកកុញចំណេះដឹង ការតភ្ជាប់ខាងក្នុងត្រូវបានគេប្រើ ដែលហៅថា synaptic weights។
នីតិវិធីដែលប្រើដើម្បីអនុវត្តដំណើរការសិក្សាត្រូវបានគេហៅថា ក្បួនដោះស្រាយការរៀន។ មុខងាររបស់វាគឺដើម្បីកែប្រែទម្ងន់ synaptic នៃ ANN នៅក្នុងវិធីជាក់លាក់មួយដើម្បីឱ្យបណ្តាញទទួលបានលក្ខណៈសម្បត្តិចាំបាច់។
ការកែប្រែទម្ងន់គឺជាវិធីប្រពៃណីនៃការរៀន ANNs ។ វិធីសាស្រ្តនេះគឺជិតទៅនឹងទ្រឹស្តីនៃតម្រងលីនេអ៊ែរអាដាប់ធ័រដែលត្រូវបានប្រើក្នុងការគ្រប់គ្រង។ ទោះជាយ៉ាងណាក៏ដោយសម្រាប់ ANN ក៏មានលទ្ធភាពនៃការកែប្រែ topology ផ្ទាល់របស់វាផងដែរ ដោយផ្អែកលើការពិតដែលថានៅក្នុងខួរក្បាលដែលមានជីវិត ណឺរ៉ូនអាចស្លាប់ ហើយទំនាក់ទំនង synaptic ថ្មីអាចត្រូវបានបង្កើតឡើង។
ដូច្នេះ ANNs ដឹងពីថាមពលកុំព្យូទ័ររបស់ពួកគេដោយសារតែលក្ខណៈសម្បត្តិសំខាន់ពីររបស់ពួកគេ៖ រចនាសម្ព័ន្ធចែកចាយស្របគ្នា និងសមត្ថភាពក្នុងការរៀន និងធ្វើឱ្យចំណេះដឹងទូទៅទទួលបាន។ លក្ខណៈសម្បត្តិទូទៅត្រូវបានយល់ថាជាសមត្ថភាពរបស់ ANN ដើម្បីបង្កើតលទ្ធផលត្រឹមត្រូវសម្រាប់សញ្ញាបញ្ចូលដែលមិនត្រូវបានយកមកពិចារណាក្នុងដំណើរការសិក្សា (ការបណ្តុះបណ្តាល)។ លក្ខណៈសម្បត្តិទាំងពីរនេះធ្វើឱ្យ ANN ក្លាយជាប្រព័ន្ធដំណើរការព័ត៌មានដែលមានសមត្ថភាពដោះស្រាយបញ្ហាពហុវិមាត្រដ៏ស្មុគស្មាញដែលបច្ចុប្បន្នមិនអាចដោះស្រាយបាន។
វាគួរតែត្រូវបានកត់សម្គាល់ថានៅក្នុងការអនុវត្ត INS ស្វយ័តជារឿយៗមិនអាចផ្តល់ដំណោះស្រាយដែលត្រៀមរួចជាស្រេចបានទេ។ ពួកគេត្រូវតែបញ្ចូលទៅក្នុងប្រព័ន្ធស្មុគស្មាញ។ កិច្ចការស្មុគ្រស្មាញអាចបែងចែកទៅជាកិច្ចការសាមញ្ញមួយចំនួន ដែលកិច្ចការមួយចំនួនអាចដោះស្រាយបានដោយបណ្តាញសរសៃប្រសាទ។
ផ្នែកនៃការអនុវត្ត ANN មានភាពចម្រុះណាស់៖ ការទទួលស្គាល់ និងការវិភាគនៃអត្ថបទ និងការនិយាយ ការស្វែងរកតាមន័យធៀប ប្រព័ន្ធអ្នកជំនាញ និងប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត ការព្យាករណ៍តម្លៃភាគហ៊ុន ប្រព័ន្ធសុវត្ថិភាព។ មានឧទាហរណ៍មួយចំនួននៃការប្រើប្រាស់ ANNs នៅក្នុងតំបន់ផ្សេងៗគ្នា។
1. ប្រព័ន្ធសុវត្ថិភាពដឹកជញ្ជូន។ ក្រុមហ៊ុនអាមេរិក
Science Application International Corporation បានប្រើ ANN ក្នុង
គម្រោង TNA របស់គាត់។ ឧបករណ៍ដែលត្រូវបានបង្កើតឡើងត្រូវបានរចនាឡើងដើម្បីរកឃើញសារធាតុផ្ទុះផ្លាស្ទិចនៅក្នុងអីវ៉ាន់ដែលខ្ចប់។ ឥវ៉ាន់ត្រូវបានបំផ្ទុះដោយភាគល្អិតដែលបណ្តាលឱ្យមានវិទ្យុសកម្មបន្ទាប់បន្សំ វិសាលគមដែលត្រូវបានវិភាគដោយបណ្តាញសរសៃប្រសាទ។ ឧបករណ៍នេះផ្តល់នូវប្រូបាប៊ីលីតេនៃការរកឃើញគ្រឿងផ្ទុះលើសពី 97% និងអាចមើល 10 បំណែកនៃឥវ៉ាន់ក្នុងមួយនាទី។
2. កញ្ចប់កម្មវិធីបណ្តាញសរសៃប្រសាទនៅក្នុងទីផ្សារហិរញ្ញវត្ថុ។ ធនាគារគីមីអាមេរិកប្រើប្រព័ន្ធបណ្តាញសរសៃប្រសាទរបស់ទិន្នន័យ Neural ដើម្បីដំណើរការប្រតិបត្តិការជាមុនលើការផ្លាស់ប្តូររូបិយប័ណ្ណ ដោយត្រងចេញប្រតិបត្តិការ "គួរឱ្យសង្ស័យ" ។ ធនាគារ Citibank បាននឹងកំពុងប្រើប្រាស់ការព្យាករណ៍បណ្តាញសរសៃប្រសាទចាប់តាំងពីឆ្នាំ 1990។ ការដោះស្រាយដោយស្វ័យប្រវត្តិបង្ហាញពីការត្រឡប់មកវិញដែលខ្ពស់ជាងការព្យាករណ៍របស់ឈ្មួញកណ្តាលភាគច្រើន។ គេអាចកត់សម្គាល់បានថា ដំណើរការនៃសិក្ខាសាលា "បញ្ញាសិប្បនិម្មិតលើ Wall Street" បង្កើតបានជាបរិមាណច្រើន។
3. ការត្រួតពិនិត្យ និងចំណងជើងព័ត៌មានដោយស្វ័យប្រវត្តិ។ ទីតាំង
ចំណេះដឹងអំពីប្រធានបទនៃសារអត្ថបទ គឺជាឧទាហរណ៍មួយទៀតនៃការប្រើប្រាស់ ANNs ។ ម៉ាស៊ីនមេព័ត៌មាន Convectis (ផលិតផលរបស់ Aptex Software Inc.) ផ្តល់នូវការចាត់ថ្នាក់សារដោយស្វ័យប្រវត្តិ។ ដោយការប្រៀបធៀបអត្ថន័យនៃពាក្យតាមបរិបទ Convectis អាចស្គាល់ប្រធានបទក្នុងពេលវេលាជាក់ស្តែង និងចាត់ថ្នាក់នៃស្ទ្រីមដ៏ធំនៃសារដែលបានបញ្ជូនតាមបណ្តាញរបស់ Reuters, NBC, CBS ជាដើម។ ពាក្យគន្លឹះ និងបញ្ជីចំណងជើងដែលសារនេះជាកម្មសិទ្ធិត្រូវបានបង្កើត។
4. ការបើកបរដោយស្វ័យប្រវត្តិនៃយានជំនិះគ្មានមនុស្សបើក។ LoFLYTE (Low-Observable Flight Test Experiment) យន្តហោះឈ្លបយកការណ៍លឿនជាងសំឡេង ដែលជាយន្តហោះគ្មានមនុស្សបើកប្រវែង 2.5 ម៉ែត្រ ត្រូវបានបង្កើតឡើងសម្រាប់ NASA និងកងទ័ពអាកាសសហរដ្ឋអាមេរិកដោយក្រុមហ៊ុន Accurate Automation Corp. ក្នុងក្របខ័ណ្ឌនៃកម្មវិធីគាំទ្រអាជីវកម្មច្នៃប្រឌិតខ្នាតតូច។ នេះជាការអភិវឌ្ឍពិសោធន៍សម្រាប់ការសិក្សាពីគោលការណ៍ថ្មីនៃការសាកល្បង។ វារួមបញ្ចូលបណ្តាញសរសៃប្រសាទដែលអនុញ្ញាតឱ្យ autopilot រៀនដោយការចម្លងបច្ចេកទេសសាកល្បងរបស់អ្នកបើកយន្តហោះ។ យូរ ៗ ទៅបណ្តាញសរសៃប្រសាទទទួលយកបទពិសោធន៍នៃការគ្រប់គ្រងហើយល្បឿននៃដំណើរការព័ត៌មានអនុញ្ញាតឱ្យអ្នកស្វែងរកផ្លូវចេញយ៉ាងឆាប់រហ័សក្នុងស្ថានភាពធ្ងន់ធ្ងរនិងគ្រាអាសន្ន។ LoFLYTE ត្រូវបានបម្រុងទុកសម្រាប់ការហោះហើរលឿនជាងសំឡេង ដែលពេលវេលាប្រតិកម្មរបស់អ្នកបើកយន្តហោះអាចមិនគ្រប់គ្រាន់ដើម្បីឆ្លើយតបឱ្យបានគ្រប់គ្រាន់ចំពោះការផ្លាស់ប្តូររបបហោះហើរ។
បច្ចុប្បន្ន ANNs គឺជាផ្នែកបន្ថែមដ៏សំខាន់នៃគំនិតនៃការគណនា។ ពួកគេបានធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីដោះស្រាយបញ្ហាលំបាកមួយចំនួន ហើយសន្យាថានឹងបង្កើតកម្មវិធី និងឧបករណ៍ថ្មីដែលមានសមត្ថភាពដោះស្រាយបញ្ហាដែលរហូតមកដល់ពេលនេះមានតែមនុស្សម្នាក់ប៉ុណ្ណោះដែលអាចធ្វើបាន។ កុំព្យូទ័រប្រព័ន្ធប្រសាទទំនើបត្រូវបានប្រើជាចម្បងក្នុងទម្រង់នៃផលិតផលសូហ្វវែរ ហើយដូច្នេះកម្រប្រើសក្តានុពលនៃ "ភាពស្របគ្នា" របស់ពួកគេ។ យុគសម័យនៃកុំព្យូទ័រ neurocomputing ស្របគ្នាពិតប្រាកដនឹងចាប់ផ្តើមជាមួយនឹងរូបរាងនៅលើទីផ្សារនៃការអនុវត្តផ្នែករឹងនៃ neurochips ឯកទេស និងបន្ទះពង្រីកដែលត្រូវបានរចនាឡើងដើម្បីដំណើរការការនិយាយ វីដេអូ រូបភាពឋិតិវន្ត និងប្រភេទផ្សេងទៀតនៃព័ត៌មានរូបភាព។
តំបន់មួយទៀតនៃការអនុវត្ត ANNs គឺការប្រើប្រាស់របស់ពួកគេ។
ក្នុង កម្មវិធីឯកទេសភ្នាក់ងារមនុស្សយន្តដែលត្រូវបានរចនាឡើងដើម្បីដំណើរការព័ត៌មាន និងមិនមែនសម្រាប់ការងាររាងកាយទេ។ ជំនួយការឆ្លាតវៃគួរតែធ្វើឱ្យវាកាន់តែងាយស្រួលសម្រាប់អ្នកប្រើប្រាស់ក្នុងការប្រាស្រ័យទាក់ទងជាមួយកុំព្យូទ័រ។ ចំណុចសំខាន់របស់ពួកគេនឹងជាបំណងប្រាថ្នាដើម្បីយល់ឱ្យបានល្អបំផុតតាមដែលអាចធ្វើទៅបាននូវអ្វីដែលត្រូវបានទាមទារពីពួកគេដោយការសង្កេតនិងការវិភាគអាកប្បកិរិយារបស់ "មេ" របស់ពួកគេ។ កំពុងព្យាយាមស្វែងរក
ក្នុង នៅក្នុងឥរិយាបទនេះ មានគំរូមួយចំនួន ភ្នាក់ងារឆ្លាតវៃត្រូវតែផ្តល់សេវាកម្មរបស់ពួកគេក្នុងលក្ខណៈទាន់ពេលវេលា ដើម្បីអនុវត្តប្រតិបត្តិការមួយចំនួន ដូចជាការត្រងសារព័ត៌មាន ការបម្រុងទុកឯកសារដែលអ្នកប្រើប្រាស់កំពុងធ្វើការជាដើម។ នោះហើយជាមូលហេតុដែល ANNs ដែលមានសមត្ថភាពធ្វើឱ្យទិន្នន័យទូទៅ និងស្វែងរកគំរូនៅក្នុងពួកវា គឺជាធាតុផ្សំធម្មជាតិនៃភ្នាក់ងារកម្មវិធីបែបនេះ។
1. កុំព្យូទ័រ និងខួរក្បាល
1.1. ណឺរ៉ូនជីវសាស្រ្ត
ប្រព័ន្ធសរសៃប្រសាទរបស់មនុស្សអាចត្រូវបានធ្វើឱ្យសាមញ្ញជារចនាសម្ព័ន្ធបីដំណាក់កាល។ មជ្ឈមណ្ឌលនៃប្រព័ន្ធនេះគឺខួរក្បាលដែលមានបណ្តាញសរសៃប្រសាទ (រូបភាព 1.1) ។ វាទទួលព័ត៌មាន វិភាគ និងធ្វើការសម្រេចចិត្តសមស្រប។ Receptors បំប្លែងសញ្ញាពីបរិស្ថាន និងសរីរាង្គខាងក្នុងទៅជាចរន្តអគ្គិសនី ដែលត្រូវបានយល់ឃើញដោយបណ្តាញសរសៃប្រសាទ (ខួរក្បាល)។ អ្នកទទួលផ្តល់នូវការតភ្ជាប់នៃខួរក្បាលរបស់យើងជាមួយនឹងពិភពខាងក្រៅ ដោយដឹងពីលំហូរនៃព័ត៌មានដែលមើលឃើញ សូរសព្ទ ភាពស្រៀវស្រើប ក្លិនក្រអូប និងព័ត៌មានដែលងាយយល់ចូលទៅក្នុងវា។ អេហ្វ-
Fectors បំប្លែងថាមពលអគ្គិសនីដែលបង្កើតដោយខួរក្បាលទៅជាសញ្ញាទិន្នផលដែលគ្រប់គ្រងសាច់ដុំ សរីរាង្គខាងក្នុង និងជញ្ជាំងសរសៃឈាម។ ដូច្នេះខួរក្បាលគ្រប់គ្រងការងាររបស់បេះដូង ការដកដង្ហើម សម្ពាធឈាម សីតុណ្ហភាព រក្សាបរិមាណអុកស៊ីហ្សែនដែលចង់បានក្នុងឈាម។ល។ ណឺរ៉ូនកម្រិតមធ្យមដំណើរការព័ត៍មានដែលទទួលបានពីណឺរ៉ូនសតិអារម្មណ៍ ហើយបញ្ជូនវាទៅណឺរ៉ូនបែបផែន។
អង្ករ។ ១.១. ដ្យាក្រាមសាមញ្ញនៃប្រព័ន្ធសរសៃប្រសាទ
គួរកត់សម្គាល់ថា ខួរក្បាលត្រូវបានបង្កើតឡើងពីកោសិកាពីរប្រភេទគឺ កោសិកា glial និងណឺរ៉ូន។ ហើយទោះបីជាតួនាទីរបស់កោសិកា glial ហាក់ដូចជាមានសារៈសំខាន់ក៏ដោយ អ្នកវិទ្យាសាស្ត្រភាគច្រើនជឿថា វិធីចម្បងដើម្បីយល់ពីរបៀបដែលខួរក្បាលដំណើរការគឺដោយសិក្សាពីណឺរ៉ូនដែលរួបរួមគ្នានៅក្នុងបណ្តាញតភ្ជាប់តែមួយ។ វិធីសាស្រ្តនេះត្រូវបានប្រើក្នុងការសាងសង់បណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (ANNs)។
គួរកត់សំគាល់ថាមានមតិផ្សេងទៀត។ អ្នកស្រាវជ្រាវខ្លះជឿថាដំណើរការសំខាន់ៗមិនកើតឡើងនៅក្នុងបណ្តាញសរសៃប្រសាទទេ ប៉ុន្តែនៅក្នុងកោសិកាខ្លួនគេ ដូចជានៅក្នុង cytoskeleton របស់ពួកគេនៅក្នុងអ្វីដែលគេហៅថា microtubules ។ យោងទៅតាមទស្សនៈនេះ ទាំងការចងចាំ និងសូម្បីតែមនសិការត្រូវបានកំណត់ដោយការផ្លាស់ប្តូរប្រូតេអ៊ីននៅក្នុងរចនាសម្ព័ន្ធខាងក្នុងកោសិកា និងឥទ្ធិពលរបស់ Quantum ដែលទាក់ទងនឹងពួកគេ។
ចំនួនណឺរ៉ូននៅក្នុងខួរក្បាលត្រូវបានប៉ាន់ប្រមាណថា 1010 ... 1011 ។ នៅក្នុងណឺរ៉ូនជីវសាស្រ្ត ឯកតារចនាសម្ព័ន្ធខាងក្រោមអាចត្រូវបានសម្គាល់ (រូបភាព 1.2)៖
កោសិការាងកាយ (សូម៉ា);
dendrites គឺជាសរសៃសរសៃប្រសាទខ្លីៗជាច្រើន (មិនលើសពី 1 ម.ម) ដែលប្រមូលព័ត៌មានពីណឺរ៉ូនដទៃទៀត។
axon គឺស្តើងតែមួយគត់ដែលវែង (ជួនកាលច្រើនជាងមួយម៉ែត្រ) សរសៃប្រសាទ។ axon ដឹកនាំកម្លាំងរុញច្រាន និងបញ្ជូនផលប៉ះពាល់ទៅកាន់សរសៃប្រសាទ ឬសរសៃសាច់ដុំផ្សេងទៀត។ នៅចុងបញ្ចប់របស់វា axon ក៏សាខា និងបង្កើតទំនាក់ទំនងជាមួយ dendrites នៃណឺរ៉ូនដទៃទៀត។
ការបង្រៀននេះរួមបញ្ចូលទាំងមូលដ្ឋានគ្រឹះនៃការសរសេរកម្មវិធីនៅក្នុងភាសា Prolog ការដោះស្រាយបញ្ហាដោយប្រើវិធីសាស្រ្តស្វែងរក វិធីសាស្រ្តប្រូបាប៊ីលីតេ មូលដ្ឋានគ្រឹះនៃបណ្តាញសរសៃប្រសាទ ក៏ដូចជាគោលការណ៍នៃតំណាងចំណេះដឹងដោយប្រើបណ្តាញន័យវិទ្យា។ ផ្នែកនីមួយៗនៃសៀវភៅណែនាំត្រូវបានផ្តល់ជូនជាមួយនឹងការងារជាក់ស្តែង និងមន្ទីរពិសោធន៍។ ឧបសម្ព័ន្ធមានការពិពណ៌នាសង្ខេបអំពីបរិស្ថាន SWI-Prolog ដែលជាកម្មវិធីបណ្តាញសរសៃប្រសាទ
ការបង្រៀននេះរួមបញ្ចូលទាំងមូលដ្ឋានគ្រឹះនៃការសរសេរកម្មវិធីនៅក្នុងភាសា Prolog ការដោះស្រាយបញ្ហាដោយប្រើវិធីសាស្រ្តស្វែងរក វិធីសាស្រ្តប្រូបាប៊ីលីតេ មូលដ្ឋានគ្រឹះនៃបណ្តាញសរសៃប្រសាទ ក៏ដូចជាគោលការណ៍នៃតំណាងចំណេះដឹងដោយប្រើបណ្តាញន័យវិទ្យា។ ផ្នែកនីមួយៗនៃសៀវភៅណែនាំត្រូវបានផ្តល់ជូនជាមួយនឹងការងារជាក់ស្តែង និងមន្ទីរពិសោធន៍។ ឧបសម្ព័ន្ធមានការពិពណ៌នាសង្ខេបអំពីបរិស្ថាន SWI-Prolog កម្មវិធីគំរូបណ្តាញសរសៃប្រសាទ NeuroGenetic Optimizer និងកម្មវិធីមើលឃើញចំណេះដឹង Semantic ។ ត្រូវនឹងតម្រូវការបច្ចុប្បន្ននៃស្តង់ដារអប់រំសហព័ន្ធសម្រាប់ឧត្តមសិក្សា។ សម្រាប់និស្សិតនៃគ្រឹះស្ថានឧត្តមសិក្សាដែលកំពុងសិក្សានៅ ផ្នែកវិស្វកម្ម និងបច្ចេកទេស។
សៀវភៅ " ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត។ ការបង្រៀន» អ្នកនិពន្ធ Bessmertny Igor Alexandrovich ត្រូវបានវាយតម្លៃដោយអ្នកទស្សនារបស់ KnigoGuide ហើយការវាយតម្លៃរបស់អ្នកអានរបស់នាងគឺ 0.00 ក្នុងចំណោម 10 ។
សម្រាប់ការមើលដោយឥតគិតថ្លៃត្រូវបានផ្តល់ជូន៖ ចំណារពន្យល់ ការបោះពុម្ពផ្សាយ ការពិនិត្យ ក៏ដូចជាឯកសារសម្រាប់ទាញយក។
1
ការបង្រៀន « DBMS: ភាសា SQL ជាឧទាហរណ៍ និងកិច្ចការដោយ Astakhova I.F., Todstobrova A.P., Melnikova V.M., Fertikova V.V. បោះពុម្ពដោយ FIZMATLIT ក្នុងឆ្នាំ 2007 និងត្រូវបានបញ្ជាក់ដោយក្រសួងអប់រំ និងវិទ្យាសាស្ត្រ មានជម្រើសនៃឧទាហរណ៍ និងលំហាត់នៃកម្រិតផ្សេងៗគ្នានៃភាពស្មុគស្មាញទៅ ផ្តល់ថ្នាក់ជាក់ស្តែង និងមន្ទីរពិសោធន៍លើការរៀនមូលដ្ឋានគ្រឹះនៃភាសា SQL ក្នុងក្របខ័ណ្ឌនៃវគ្គបណ្តុះបណ្តាលដែលឧទ្ទិសដល់ប្រព័ន្ធព័ត៌មានដែលមានមូលដ្ឋានទិន្នន័យក្នុងទិសដៅបណ្តុះបណ្តាល និងឯកទេស "គណិតវិទ្យាអនុវត្ត និងព័ត៌មាន"។ ប្រព័ន្ធព័ត៌មានដែលប្រើប្រាស់ប្រព័ន្ធទិន្នន័យបច្ចុប្បន្នគឺជាផ្នែកមួយដ៏សំខាន់បំផុតនៃបច្ចេកវិទ្យាកុំព្យូទ័រទំនើប។ ផ្នែកធំនៃទីផ្សារកម្មវិធីទំនើបត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងតំបន់នេះ។ ដោយពិចារណាលើកន្លែងដែលកាន់កាប់ដោយភាសា SQL នៅក្នុងបច្ចេកវិទ្យាព័ត៌មានទំនើប ចំណេះដឹងរបស់វាគឺចាំបាច់សម្រាប់អ្នកឯកទេសដែលធ្វើការក្នុងវិស័យនេះ។ ដូច្នេះការអភិវឌ្ឍន៍ជាក់ស្តែងរបស់វាគឺជាផ្នែកសំខាន់មួយនៃវគ្គបណ្តុះបណ្តាលដែលមានគោលបំណងសិក្សាពីប្រព័ន្ធព័ត៌មានជាមួយនឹងមូលដ្ឋានទិន្នន័យ។ បច្ចុប្បន្ននេះ វគ្គសិក្សាបែបនេះត្រូវបានបញ្ចូលក្នុងកម្មវិធីសិក្សានៃឯកទេសសាកលវិទ្យាល័យមួយចំនួន។ ដោយមិនសង្ស័យ ដើម្បីផ្តល់ឱ្យសិស្សនូវឱកាសដើម្បីទទួលបានជំនាញដែលមានស្ថេរភាពនៅក្នុងភាសា SQL វគ្គបណ្តុះបណ្តាលដែលត្រូវគ្នា បន្ថែមពីលើការស្គាល់ទ្រឹស្តីជាមួយនឹងមូលដ្ឋានគ្រឹះនៃភាសា ត្រូវតែចាំបាច់មានថ្នាក់មន្ទីរពិសោធន៍មួយចំនួនធំគ្រប់គ្រាន់សម្រាប់ការប្រើប្រាស់ជាក់ស្តែងរបស់វា។ . សៀវភៅសិក្សាដែលបានស្នើឡើងមានគោលបំណងជាចម្បងលើការគាំទ្រវិធីសាស្រ្តនៃថ្នាក់ប្រភេទនេះ។ ក្នុងន័យនេះ វាផ្តោតលើការជ្រើសរើសឧទាហរណ៍ជាក់ស្តែង ភារកិច្ច និងលំហាត់នៃកម្រិតខុសគ្នានៃភាពស្មុគស្មាញក្នុងការចងក្រងសំណួរ SQL ដែលធ្វើឱ្យវាអាចធ្វើថ្នាក់អនុវត្តជាក់ស្តែងក្នុងការរៀនភាសាក្នុងអំឡុងពេលឆមាសសិក្សា។
សៀវភៅសិក្សា "ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត។ វគ្គសិក្សាជាក់ស្តែង” ដោយ Astakhova I.F., Chulyukov V.A., Potapov A.S., Milovskoy L.S., Kashirina I.L., Bogdanova M.V., Prosvetova Yu.V. ការអប់រំនៅសាកលវិទ្យាល័យបុរាណ និងបោះពុម្ពដោយគ្រឹះស្ថានបោះពុម្ព BINOM ។ KNOWLEDGE LABORATORY និង FIZMATLIT ក្នុងឆ្នាំ 2008 បានរៀបចំសម្រាប់ការបង្រៀន និងថ្នាក់មន្ទីរពិសោធន៍ក្នុងមុខវិជ្ជា "ធនាគារទិន្នន័យ និងប្រព័ន្ធអ្នកជំនាញ", "ប្រព័ន្ធទិន្នន័យ និងអ្នកជំនាញ", "ប្រព័ន្ធបញ្ញាសិប្បនិម្មិត", "ប្រព័ន្ធព័ត៌មានឆ្លាតវៃ" ។ សៀវភៅនេះត្រូវបានឧទ្ទិសដល់ទិសដៅនៃព័ត៌មានវិទ្យា ដែលក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ មានអក្សរសិល្ប៍អប់រំក្នុងស្រុកតិចតួចណាស់សម្រាប់គ្រឹះស្ថានឧត្តមសិក្សា។ សៀវភៅដែលបានបកប្រែគឺដូចជាការបោះពុម្ភបែបវិទ្យាសាស្ត្រជាងសៀវភៅសិក្សា។ វាចាំបាច់ក្នុងការបង្ហាញពីឧទាហរណ៍ជាច្រើន កិច្ចការមន្ទីរពិសោធន៍ ដែលសិស្សនឹងធ្វើនៅលើកុំព្យូទ័រ និងទទួលបានចំណេះដឹង ជំនាញ និងសមត្ថភាព (ក្នុងន័យនៃវិធីសាស្រ្តផ្អែកលើសមត្ថភាពសម្រាប់ការអប់រំ)។
អត្ថប្រយោជន៍ចម្បង និងភាពខុសគ្នាដ៏សំខាន់នៃសៀវភៅសិក្សានេះពីការបោះពុម្ពស្រដៀងគ្នាគឺវត្តមាននៅក្នុងវានៃឧទាហរណ៍ប្រហែល 100 លំហាត់ចំនួន 235 សំណួរចំនួន 79 សម្រាប់ការធ្វើឡើងវិញនូវសម្ភារៈដែលគ្របដណ្តប់ ការងារមន្ទីរពិសោធន៍ចំនួន 11 ដែលក្នុងនោះផលិតផលកម្មវិធីចំនួន 6 ផ្សេងគ្នាត្រូវបានសិក្សា។
តំណភ្ជាប់គន្ថនិទ្ទេស
Astakhova I.F., Tolstobrov A.P., Chulyukov V.A., Potapov A.S. មេរៀន "DBMS៖ ភាសា SQL ជាឧទាហរណ៍ និងភារកិច្ច", "បញ្ញាសិប្បនិមិត្ត។ វគ្គសិក្សាជាក់ស្តែង” // បញ្ហាទំនើបនៃវិទ្យាសាស្ត្រ និងការអប់រំ។ - 2009. - លេខ 1.;URL៖ http://science-education.ru/ru/article/view?id=901 (កាលបរិច្ឆេទចូលប្រើ៖ 17.09.2019)។ យើងនាំមកជូនលោកអ្នកនូវទិនានុប្បវត្តិដែលបោះពុម្ពដោយគ្រឹះស្ថានបោះពុម្ព "បណ្ឌិត្យសភាប្រវត្តិសាស្ត្រធម្មជាតិ"
