Τεχνητή Νοημοσύνη

Το βιβλίο παρουσιάζει την ενσωμάτωση της συμβολικής ΤΝ με μη συμβολικές τεχνικές που βασίζονται σε πιθανότητες. Αυτή η ολοκλήρωση είναι ζωτικής σημασίας για την αντιμετώπιση πολύπλοκων προβλημάτων του πραγματικού κόσμου που περιλαμβάνουν αβεβαιότητα, ελλιπείς πληροφορίες και πιθανοτικό συλλογισμό. Οι αναγνώστες αποκτούν γνώσεις για το συνδυασμό των δυνατοτήτων και των δύο προσεγγίσεων για πιο ισχυρά και ευέλικτα συστήματα TN. Τα πιθανοτικά γραφικά μοντέλα, όπως τα δίκτυα Bayes και τα δίκτυα Markov, είναι εξαιρετικά στον χειρισμό της αβεβαιότητας στα δεδομένα, ενώ η συμβολική τεχνητή νοημοσύνη παρέχει πλούσιες αναπαραστάσεις για σύνθετη γνώση. Η ενσωμάτωση της στατιστικής σχεσιακής μάθησης στη συμβολική ΤΝ δίνει τη δυνατότητα στα συστήματα της συμβολικής ΤΝ να μαθαίνουν από δεδομένα, να προσαρμόζονται στις αλλαγές και να βελτιώνουν την απόδοση τους με την πάροδο του χρόνου.

Οι συμβολικές προσεγγίσεις ΤΝ όπως η λογική πρώτης τάξης και η περιγραφική λογική είναι κατάλληλες για την αναπαράσταση σύνθετης γνώσης, οντολογιών πεδίου και δομημένων σχέσεων. Η περιγραφική λογική, οι οντολογίες και οι γράφοι γνώσης διαδραματίζουν κρίσιμο ρόλο στον Σημασιολογικό Ιστό. Οι οντολογίες επιτρέπουν τυπική και δομημένη αναπαράσταση γνώσης. Οι γράφοι γνώσης επιτρέπουν δομημένη αναπαράσταση γνώσης για σύνδεση οντοτήτων και των χαρακτηριστικών τους. Χρησιμοποιούνται ευρέως για να αναπαραστήσουν σύνθετες σχέσεις και επιτρέπουν αποτελεσματική συλλογιστική.

Η συμβολική τεχνητή ΤΝ παρέχει από τη φύση της ερμηνεύσιμα και διαφανή μοντέλα με αναγνώσιμους από τον άνθρωπο κανόνες σε λογική. Με την ενσωμάτωση των μη συμβολικών πιθανοτικών συλλογισμών, διατηρείται η διαφάνεια ενός συστήματος ΤΝ ακόμη και όταν διαχειρίζεται αβέβαια δεδομένα και πιθανοτικά συμπεράσματα. Αυτό βοηθά στη δημιουργία ηθικών συστημάτων ΤΝ που μπορούν να εμπιστεύονται οι χρήστες και οι ενδιαφερόμενοι φορείς.

Αυτή η ολοκληρωμένη προσέγγιση επιτρέπει στα συστήματα ΤΝ να αντιμετωπίζουν αποτελεσματικά ένα ευρύ φάσμα προβλημάτων. Η συμβολική ΤΝ είναι ισχυρή σε εργασίες που βασίζονται στη γνώση, ενώ η στατιστική σχεσιακή ΤΝ υπερέχει στον χειρισμό σχεσιακών δεδομένων και αβεβαιότητας. Μαζί, καλύπτουν ένα ευρύ φάσμα εφαρμογών ΤΝ σε διαφορετικά πεδία, όπως επεξεργασία φυσικής γλώσσας, συστήματα βασισμένα σε γνώση, υγεία, χρηματοοικονομική, ρομποτική, συστήματα συστάσεων, ανάλυση κοινωνικών δικτύων και άλλες.

Αυτό το βιβλίο χρησιμεύει ως εκπαιδευτικό σύγγραμμα για προπτυχιακούς και μεταπτυχιακούς φοιτητές, και ως βιβλίο αναφοράς για ερευνητές και επαγγελματίες της ΤΝ. Παρέχει τη βάση για προηγμένη έρευνα, και σχεδιασμό συστημάτων ΤΝ αιχμής.

Τα θέματα που πραγματεύεται το βιβλίο είναι τα εξής.

Επίλυση Προβλημάτων με Αναζήτηση σε Χώρο-Καταστάσεων.

Αναπαράσταση Γνώσης και Συλλογιστική.

Αβεβαιότητα.

Στατιστική και Σχεσιακή Μηχανική Μάθηση.

Αναπαράσταση Γνώσης και Συλλογιστική σε Δυνατούς Κόσμους.

Πιθανοτικά Γραφικά Μοντέλα.

Εισαγωγή στο Σημασιολογικό Ιστό.

Συστήματα Γνώσης.