1. Перечислите основные стратегии создания сис тем искусственного интеллекта. Назовите при-мерные даты появления и основателей каждого из этих стратегических направлений. 2. Как…

Конечно! Ниже приведён подробный ответ на ваши вопросы, выполненный с учетом цели — "Понять".

1. Основные стратегии создания систем искусственного интеллекта: их особенности, даты появления и основатели

а) Символьный (или логический) подход

• Описание: Создание систем, использующих формальные языки, логические правила и знания, представленные в виде символов и отношений между ними.
• Появление: 1956 год – на конференции в Дармштадте (Дартмутская конференция) считается началом искусственного интеллекта.
• Основатели: Джон Маккарти, Марвин Минский, Натанл Рочестер.

б) Статистический (параметрический, машинное обучение)

• Описание: Обучение систем на больших объемах данных с помощью статистических методов, чтобы выявлять закономерности и делать прогнозы.
• Появление: 1980-1990 годы, когда начали активно использовать нейронные сети и методы обучения на данных.
• Основатели: Вклад делали многие исследователи, однако важным стало развитие нейронных сетей и алгоритмов типа градиентного спуска.

в) Искусство инженерных систем и нейроинформатика

• Описание: Использование нейронных сетей, биологически имитирующих работу мозга, для обработки информации и обучения.
• Появление: Конец XX века, развитие глубокого обучения — 2006 год (обучение глубоких нейронных сетей).
• Основатели: Джеффри Хинтон, Ян Лекун, Йошуа Бенджио.

2. Как приобретаются и хранятся знания в системах ИИ, созданных по трём стратегиям

а) Символьные системы:

• Приобретение знаний: Они задаются человеком-экспертом или специалистом с помощью правил, логических схем и описаний.
• Вид хранения: В виде правил, логических высказываний, графов знаний или баз данных.

б) Статистические системы (машинное обучение):

• Приобретение знаний: Обучение на наборах данных, когда алгоритм оптимизирует параметры модели, чтобы минимизировать ошибку.
• Вид хранения: Обученные модели, например, веса нейронных сетей, векторные представления (векторы признаков, embedding).

в) Гибридные методы и нейронные сети:

• Приобретение знаний: Аналогично статистическим методам, знания «запоминаются» в весах и структуре нейронной сети, основанных на обучающих данных.
• Вид хранения: Веса и параметры нейронных сетей, которые после обучения позволяют системе делать предсказания.

3. Лидирующая научная область в области ИИ сегодня

Наиболее активно развивающаяся и лидирующая область:
Глубокое обучение (Deep Learning) — особая ветвь машинного обучения, использующая многоуровневые нейронные сети для решения задач распознавания изображений, речи, обработки естественного языка.

Это обусловлено тем, что гиперпроизводительность современных нейросетей позволяет достигать и превосходить человеческий уровень в ряде задач. Также важную роль играют области обработки естественного языка (Natural Language Processing) и робототехника.

4. Поиск информации в Интернете по ключевым терминам

Рекомендую использовать поисковые системы (например, Google или Яндекс) для поиска по следующим ключевым словам:

• "искусственный интеллект" — основные определения, история, области применения.
• "экспертные системы" — системы, использующие знания экспертов для принятия решений.
• "нейронные сети" — модели, имитирующие работу мозга, применение в глубоких нейросетях.
• "нейроинформатика" — междисциплинарная область, изучающая нервные системы и их моделирование.
• "нейрокомпьютер" — аппаратные реализации нейронных сетей.
• "агентные системы" — автоматизированные системы, действующие автономно на основе окружающей среды.
• "интеллектуальные роботы" — роботы, обладающие формой искусственного интеллекта, способные к адаптивным действиям.

Эти поиски помогут получить наиболее актуальную информацию, ссылки на научные статьи, учебные ресурсы и новости в сфере ИИ.

Если нужно, я могу помочь с конкретными статьями, анализом или подготовкой к экзамену по этой теме!