Was ist Computational Intelligence?

Computational Intelligence (CI) ist ein Zweig der Informatik, in dem sich Projekte von unten nach oben entwickeln, wobei die Reihenfolge aus einem anfänglichen Mangel an Struktur hervorgeht. Dies ähnelt vielen Prozessen in der natürlichen Welt. Die Computer -Intelligenz umfasst Konzepte wie Evolutionsberechnung, bei denen Probleme unter Verwendung von Modellen des Evolutionsprozesses gelöst werden und wenn sie auf maschinelles Lernen angewendet werden, ermöglicht es Robotern, aus Erfahrung zu lernen. Fuzzy Logic, ein System, das menschlicher Entscheidungsfindung ähnelt, kann verwendet werden, um Probleme zu lösen, bei denen Unbestimmtheit oder Unsicherheit besteht. Neuronale Netze sind Systeme, die auf der Funktion des menschlichen Gehirns basieren, und können verwendet werden, um Muster und Trends in komplexen Daten zu erkennen. Computational Intelligence lässt sich oft inspirierenm Natur, zum Beispiel im Bereich der evolutionären Berechnung, wo Systeme erstellt werden, die sich zur Lösung komplexer Probleme entwickeln. Dies kann auf künstliche oder synthetische Intelligenz angewendet werden, was Roboter hervorruft, die aus Erfahrung und Entwicklung im Laufe der Zeit lernen.

Systeme, die auf Fuzzy -Logik basieren, können in der Computer -Intelligenz verwendet werden, um menschliche Denkweisen zu simulieren. Sie könnten mit biologisch inspirierten neuronalen Netzwerken im Bereich der kognitiven Robotik kombiniert werden, wodurch Roboter mit der Fähigkeit geschaffen werden, auf eine Weise zu denken, die menschlichen Denkprozessen ähnelt. Solche Roboter können auch das Denken auch lernen, sich daran erinnern, erinnern, wahrnehmen und Entscheidungen angesichts der Unsicherheit treffen, wie es Menschen tut. Dies könnte es Robotern ermöglichen, menschliche Anfragen besser zu verstehen, sodass sie die Bedeutung der verwendeten Wörter erkennen können. Das könnte für eine Maschine, die Hausaufgaben ausführt, unerlässlich sein.

Neurales NetzwerkS werden normalerweise als Teil der Computerinformation betrachtet. Wie das menschliche Gehirn bestehen sie aus zahlreichen miteinander verbundenen einzelnen Teilen, ähnlich wie bei den Nerven. Diese arbeiten zusammen, um Probleme zu lösen und zu lernen, wie sie gehen, da die Verbindungen zwischen Elementen einstellbar sind, wie die Verbindungen zwischen den Nerven.

Sobald neuronale Netze gelernt haben, wie man Daten analysiert, können sie effektiv zu Experten in ihren Bereichen werden und können verwendet werden, um die Ergebnisse in verschiedenen Szenarien vorherzusagen. Ein Nachteil dieser Art von Computational Intelligence besteht darin, dass es viel Rechenleistung erfordert und unvorhersehbar funktionieren kann. Neuronale Netze sollten nicht mit Expertensystemen verwechselt werden, die vorgegebene Regelnsätze verwenden, um Entscheidungen zu treffen und sie nicht an die Daten anzupassen.