Введение 3
Глава I Искусственный интеллект 4
История искусственного интеллекта 4
1.2 Задачи Искусственного интеллекта 6
1.3 Направление развития искусственного интеллекта 11
1.4 Как обучаются машины 14
Глава II Машинное обучение 16
2.1 Задачи машинного обучения 17
2.2 Подходы машинного обучения 18
2. 3 Обучение с подкреплением 22
2.4 Типы агентов 31
2.5 Алгоритм обучения с подкреплением 33
Глава III Элективный курс «Машинное обучение» 34
3.1 Рабочая программа элективного курса по машинному обучению 34
Заключение 42
Библиографический список 44
Приложение 1. Код эмулятора механического робота «Crawler» 46
Такие технологии, как искусственный интеллект (ИИ) и машинное обучение (machine learning, ML) активно внедряются в производство . Как технология и как раздел науки, это самобытная область на стыке программирования, линейной алгебры, математического анализа, теории игр, теории вероятностей и математической статистики. Предоставляемые ИИ новые решения могут в ближайшее время вытеснить широкий класс промышленных задач, ранее решавшихся специалистами или очень сложным программированием. Также появились и уже получили широкое распространение языки программирования, пригодные для создания мощных моделей, подходящих для использования при обучении основам ИИ в школе (язык Питон - один из языков для сдачи заданий ЕГЭ, в отдельных учреждениях читается уже с восьмого класса).
Большинство алгоритмов ИИ требует комбинированного использования сразу нескольких высокоуровневых абстракций одновременно. В процессе работы (само) обучающегося алгоритма часто отсутствует детерминизм, вследствие чего отладка и настройка программы требует наличия ранее полученного опыта даже просто для понимания того, что ошибки уже были допущены, и уж тем более для поиска источника ошибок и его природы, если ошибки были допущены. Культура такого мышления может быть дана или широким классическим образованием, или аккуратным выполнением нескольких, тщательно спроектированных примеров, построенных из первых принципов, ab initio. [9]
Рынок труда и государственный заказ также обуславливают актуальность обучения фундаменту ИИ-дисциплин уже в школе. Например, участники олимпиады НТИ должны активно использовать такие технологии, как поиск пути, распознавание образов, обучение с подкреплением и многие другие разделы ИИ для решения задач второго и заключительного туров.
Основной гипотезой работы является следующая: если разработка курса по машинному обучению будет построена на основе эмулятора, демонстрирующего все используемые понятия в компактном, ясном, читаемом и исполняемом виде, без сторонних библиотек, из первых принципов, то это позволит заложить фундамент, необходимый для понимания природы используемых алгоритмов, направления дальнейшего научного поиска, и для будущей эффективной инженерной подготовки школьников. Систему заданий курса можно также построить программированием модели в эмуляторе. Подобный подход уже показал свою эффективность при обучении модели ИИ.
Для этого в главе 1 проведён анализ дисциплины “Искусственный интеллект” с целью обзора основных разделов для выделения предмета изучения, даны ссылки для дальнейшей работы.
В настоящее время, машинное обучение становится все более востребованным на рынке информационных технологий и набирает популярность, так как расширяется область применения алгоритмов машинного обучения. Однако в России ощущается острая нехватка квалифицированных кадров. Причин этому несколько. Первая - это отсутствие фундамента для подготовки соответствующих специалистов. Так как область новая, преподавать машинное обучение попросту некому, нужно переквалифицировать учителей информатики, а это требует введения новых гостов и стандартов, что в свою очередь займет много времени. Вторая причина - это отставание Российского образования от современных тенденций в информационных технологиях, вызванная разрывом многих технологических и образовательных цепочек в ходе перестройки 1990-х годов, прервавшей цепочку преемственности во многих научных школах. В школах до сих пор учат по устаревшей программе. Преподают старые языки программирования, которые уже не имеют практического применения, ими никто не пользуется вне школьной или университетской программы. В школьной программе нет такой области как искусственный интеллект.
На мой взгляд, включение машинного обучения в образовательную программу положительно отразится на всем процессе обучения информатики и принесет большой вклад в развитие российского информационного сообщества в целом. Новые школы уже существуют, многие инициативы запущены, языки и подходы к работе эволюционируют в сторону простоты и удобства. Проведённый обзор литературы показал существование большого количества наработок, которые готовы и/или даже адаптированы для внедрения в старшую школу. В этих условиях успешное выполнение учебного проекта с реализацией алгоритма самообучения, выполненного из первых принципов, сможет внести ясность в саму методологию искусственного интеллекта, типичные сложности при написании и использовании программы.
Остались открытыми крайне интересные вопросы использования представленных наработок в школьной робототехнике и многих других областях, которые, безусловно, будут сделаны.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
