συναρτήσεων αντί για την εκτέλεση εντολών. Προγράμματα βασισμένα στο συναρτησιακό προγραμματισμό είναι γραμμένα με βάση συναρτήσεις που αποτιμούν βασικές τιμές.
Παράλληλα υλοποιήθηκαν τα πρώτα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Nets). Το αντικείμενο των τεχνητών νευρωνικών δικτύων αποτελεί ένα ευρύ και αυτόνομο επιστημονικό πεδίο, που σχετίζεται με το γενικότερο πλαίσιο των ευφυών συστημάτων και δικτύων. Μπορεί να σκεφτεί κανείς μια σειρά επιτυχημένων εφαρμογών όπως τα έξυπνα φίλτρα ηλεκτρονικού ταχυδρομείου, οι υψηλών ταχυτήτων και αποτελεσματικοί δρομολογητές, και η αυτόματη αναγνώριση πληροφοριών που έχουν σημασία και συνάφεια.
Ένα ακόμα βήμα στην εξέλιξη της Τ.Ν. ήταν η σύνδεσή της με την θεωρία της Ασαφούς Λογικής (Fuzzy Logic). Η θεωρία της Ασαφούς Λογικής μέσω κατάλληλων αλγορίθμων έχει προσαρμοσθεί σε συστήματα ώστε, μέσω της υπάρχουσας γνώσης μιας ασαφούς κατάστασης να προκύπτουν διαχειρίσιμα και συγκεκριμένα συμπεράσματα. Βασικός εισηγητής της είναι ο καθηγητής Λότφι Ζάντεχ (Εικόνα 3.26). Σχετικές εφαρμογές υπάρχουν σε συστήματα ταξινόμησης και σε αυτόματους διορθωτές κειμένων.
Τη δεκαετία του ’90 με την ανάπτυξη και τη διάδοση του διαδικτύου εμφανίζονται οι πρώτοι ευφυείς πράκτορες (intelligent agents), ανεξάρτητα προγράμματα τα οποία λαμβάνουν αποφάσεις και αλληλεπιδρούν με τα διάφορα συστήματα, και τα διαδικτυακά ρομπότ. Ακολούθησαν ο Εξελικτικός Υπολογισμός (Evolutionary Computation), η Νοημοσύνη Σμηνών (Swarm Intelligence), η αξιοποίηση της Μηχανικής Μάθησης (Machine Learning) και η Ανακάλυψη Γνώσης σε Βάσεις Δεδομένων (Knowledge Discovery in Databases) ως κατηγορίες της Υπολογιστικής Νοημοσύνης.
3.4.3 Τομείς εφαρμογών της Τεχνητής Νοημοσύνης
Η Τ.Ν. επωφελήθηκε από την πρόοδο της Ηλεκτρονικής, της μικροηλεκτρονικής και της νανοτεχνολογίας (Εικόνα 3.25). H ανάπτυξη και η εξέλιξη της Τ.Ν. στηρίζεται στην αξιοποίηση γνώσεων από περιοχές που εκτείνονται από τη μηχανική έως τη θεωρητική πληροφορική.
Η Τ.Ν. παρέχει την δυνατότητα επεξεργασίας σε χώρους που δεν μπορεί να έχει πρόσβαση ο άνθρωπος, όπως το διάστημα (Εικόνα 3.26), τα βάθη των ωκεανών, οι μολυσμένες περιοχές.
Η Τ.Ν. εφαρμόζεται σε ένα πλήθος πεδίων, όπως η συμπερασματολογία, ο αυτοματισμός, η ρομποτική, η αναγνώριση φωνής, η ευφυής αναζήτηση στο διαδίκτυο και τα συστήματα ελέγχου. Ο ρόλος της Τ.Ν. είναι σημαντικός στην επίλυση σύνθετων προβλημάτων, στο σχεδιασμό της συμπεριφοράς μηχανών, τη χρήση βιομηχανικών ρομπότ και ειδικότερα όπου χρειάζεται να γίνει ανάλυση μέσων και σκοπών. Σημαντικά πεδία εφαρμογής επίσης είναι η οπτική - ακουστική αντίληψη και η αναγνώριση προτύπων (pattern recognition).
3.4
ΚΕΦΑΛΑΙΟ
Τεχνητή
Νοημοσύνη
H Μηχανική Μάθηση πραγματοποιείται όταν ένα υπολογιστικό σύστημα δημιουργεί νέα μοντέλα ή πρότυπα μέσα από ένα σύνολο δεδοµένων.
Ο Εξελικτικός Υπολογισμός και η Νοημοσύνη Σμηνών είναι μέθοδοι διαδικασιών βελτιστοποίησης υπολογισμών που προέκυψαν παρατηρώντας πρότυπα που υπάρχουν στη φύση. Σε αυτά γίνεται χρήση μαθηματικών εργαλείων από την Θεωρία Πιθανοτήτων και τα Δυναμικά Συστήματα.
Η Ανακάλυψη Γνώσης σε Βάσεις Δεδομένων είναι μία σύνθετη διαδικασία η οποία προσδιορίζει έγκυρες, νέες, χρήσιµες και κατανοητές σχέσεις - πρότυπα που υπάρχουν σε μία βάση δεδομένων.