Классификация мультимедиа

Мультимедиа может быть разделена на линейную (без обратной связи) и интерактивную среду.

Аналогом линейного способа представления может являться кино. Человек, просматривающий данный документ никаким образом не может повлиять на его вывод.

Интерактивный (нелинейный) способ представления информации позволяет человеку, программам, сети участвовать в выводе информации, взаимодействуя каким-либо образом со средством отображения мультимедийных данных. Участие в данном процессе двух и более сторон называется “интерактивностью”. Такой способ взаимодействия человека и компьютера наиболее полным образом представлен в категориях компьютерных игр. Интерактивный способ представления мультимедийных данных иногда называется “гипермедиа”.

В качестве примера линейного и интерактивного способов представления информации, можно рассматривать такую ситуацию, как проведение презентации. Если презентация была записана на пленку или в видеофайл, и показывается аудитории, то просматривающие данную презентацию не имеют возможности влиять на ее ход. В случае же живой презентации, аудитория имеет возможность задавать докладчику вопросы и взаимодействовать с ним прочим образом, что позволяет докладчику отходить от темы презентации, например, поясняя некоторые термины или более подробно освещая спорные части доклада. Таким образом, живая презентация может быть представлена, как интерактивный (нелинейный) способ подачи информации.

Локальные и сетевые возможности мультимедиа

Мультимедийные презентации могут быть проведены человеком на сцене, показаны через проектор или же на другом локальном устройстве воспроизведения. Широковещательная трансляция презентации может быть как “живой”, так и предварительно записанной. Широковещательная трансляция или запись могут быть основаны на аналоговых или же электронных технологиях хранения и передачи информации. Стоит отметить, что мультимедиа в онлайн может быть либо скачана на компьютер пользователя и воспроизведена каким-либо образом, либо воспроизведена напрямую из Интернет при помощи технологий потоковой передачи данных. Мультимедиа, воспроизводимая при помощи технологий потоковой передачи данных может быть как “живая”, так и предоставляемая по требованию.

Мультимедийные игры - такие игры, в которых игрок взаимодействует с виртуальной средой, построенной компьютером. Состояние виртуальной среды передается игроку при помощи различных способов передачи информации (звукового, визуального, тактильного). В настоящее время все игры на компьютере или игровой приставке относятся к мультимедийным играм. Стоит отметить, что в такой тип игр можно играть как в одиночку на локальном компьютере или приставке, так и с другими игроками через локальную или глобальную сети.

Различные форматы мультимедиа данных возможно использовать для упрощения восприятия информации потребителем. Например, предоставить информацию не только в текстовом виде, но и проиллюстрировать ее аудиоданными или видеоклипом. Таким же образом современное искусство может представить повседневные, обыденные вещи в новом виде.

Различные формы предоставления информации делают возможным интерактивное взаимодействие потребителя с информацией. Онлайн мультимедиа все в большей степени становится объектно-ориентированной, позволяя потребителю работать над информацией, не обладая специфическими знаниями. Например, для того, чтобы выложить видео на YouTube или Яндекс.Видео, пользователю не требуется знаний по редактированию видео, кодированию и сжатию информации, знаний по устройству web-серверов. Пользователь просто выбирает локальный файл и тысячи других пользователей видеосервиса имеют возможность просмотреть новый видеоролик.

Мультимедийный интернет-ресурс – это интернет-ресурс, в котором основная информация представлена в виде мультимедиа. Это современный и очень удобный механизм, который не заменяет собой выполнение классических функций, а дополняет и расширяет спектр услуг и новостей для посетителей.

Для мультимедийных Интернет-ресурсов характерно следующее:

• они могут содержать различные виды информации (не только текстовую, но и звуковую, графическую, анимационную, видео и т.д.);
• иметь высокую степень наглядности материалов;
• поддерживать различные типы файлов: текстовых, графических, аудио и видео;
• могут использоваться для продвижения творческих работ в области различных видов искусств;
• мультимедиа в силу своей наглядности снижает уровень интеллектуально-психологического барьера между пользователем и информационным технологическим процессом.

Ресурс этого типа дает возможность быстро сообщать о событиях, которые организуется, демонстрировать обзорный взгляд на сферу, учреждение или творческий коллектив, налаживать обратную связь со своими посетителями, раскрывать цели и материалы, используя современные механизмы представления информации и способствовать узнаванию представленного объекта посредством сети Интернет.

Вопрос 16

«Искусственный интеллект» ( англ. Artificial intelligence, AI ) - раздел компьютерной лингвистики и информатики, занимающийся формализацией проблем и задач, которые напоминают задачи, выполняемые человеком. При этом, в большинстве случаев алгоритм решения задачи неизвестен заранее. Точного определения этой науки нет, поскольку в философии не решен вопрос о природе и статусе человеческого интеллекта . Нет и точного критерия достижения компьютером «разумности», хотя перед искусственным интеллектом был предложен ряд гипотез, например, Тест Тьюринга или гипотеза Ньюэлла-Саймона . Сейчас существует много подходов как к пониманию задач искусственного интеллекта, так и к созданию интеллектуальных систем .

Одна из классификаций выделяет два подхода к разработке искусственного интеллекта:

• нисходящий, семиотический - создание символьных систем , моделирующих высокоуровневые психические процессы : мышление, суждения, речь, эмоции, творчество и т. д.;
• восходящий, биологический - изучение нейронных сетей и эволюционные вычисления , моделирующие интеллектуальную поведение на основе меньших «не интеллектуальных» элементов.

Эта наука связана с психологией , нейрофизиологией , Трансгуманизм и другими. Как и все компьютерные науки , она использует математический аппарат . Особое значение для нее имеют философия и робототехника .

Искусственный интеллект - очень молодая область исследований, начало 1956 . Ее исторический путь напоминает синусоиду , каждый «взлет» которой инициировался некоторой новой идеей. На сегодня ее развитие находится на «спаде», уступая применению уже достигнутых результатов в других областях науки, промышленности , бизнесе и даже повседневной жизни.

Подходы и направленияПодходы к пониманию проблемы

Единого ответа на вопрос чем занимается искусственный интеллект (ИИ), не существует. Почти каждый автор, который пишет книгу о ИИ, отталкивается от какого определения, рассматривая в его свете достижения науки. Обычно эти определения сводятся к следующим:

- Искусственный интеллект изучает методы решения задач, требующих человеческого понимания. Грубо говоря, речь идет о том, чтобы научить ИИ решать тесты интеллекта. Это предполагает развитие способов решения задач по аналогии , методов дедукции и индукции , накопления базовых знаний и умение их использовать.

- Искусственный интеллект изучает методы решения задач, для которых не существует способов решения или они не корректны (за ограничения во времени, памяти и т.д.). Благодаря такому определению интеллектуальные алгоритмы часто используются для решения NP-полных задач , например, задачи коммивояжера .

- Искусственный интеллект занимается моделированием человеческой высшей нервной деятельности.

- Искусственный интеллект - это системы, которые могут оперировать со знаниями, а главное - учиться . В первую очередь речь ведется о том, чтобы признать класс экспертных систем (название происходит от того, что они способны заменить «на посту» людей-экспертов) интеллектуальными системами.

- Последний подход, который начал развиваться с 1990-х годов , называется агентно-ориентированным подходом. Данный подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении своей задачи. Поэтому здесь гораздо лучше изучаются алгоритмы поиска и принятия решения .

Непопулярные подходы

- Самый общий подход состоит в том, что ИИ будет иметь возможность вести себя как человеческий в нормальных ситуациях. Эта идея представляет собой обобщенный подход теста Тьюринга , который утверждает, что машина станет разумной тогда, когда будет в состоянии поддерживать диалог с обычным человеком, а и не сможет понять, что разговаривает с машиной ( диалог ведется переписыванием).

- Писатели-фантасты часто предлагают еще один подход: ИИ возникает тогда, когда машина будет чувствовать и творить. Так, например, хозяин Эндрю Мартина из «Двухсотлетний человек» начинает относиться к нему как к человеку, когда этот создал игрушку по собственному проекту. А. Дейта из Звездного пути, будучи способным к коммуникациям и обучения, мечтает получить эмоции и интуицию .

Подходы к изучению

Существуют различные подходы к созданию систем ИИ. На данный момент можно выделить 4 достаточно разных подхода:

1. Логический подход . Основой для изучения логического подхода служит алгебра логики . Каждый программист знаком с ней с тех пор, когда он изучал оператор IF. Своего дальнейшего развития алгебры логики получила в виде исчисления предикатов - в котором она расширена за счет введения предметных символов, отношений между ними. Кроме этого, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель достигнута, то последовательность использованных правил позволит получить цепочку действий, необходимых для реализации поставленной цели (такую ​​систему еще называют экспертной системой ). Мощность такой системы определяется возможностями генератора целей и машинного доказательства теорем. Для того чтобы достичь лучшей выразительности логический подход использует новое направление, его название - нечеткая логика .Главным отличием этого направления является то, что истинность высказывания может принимать помимо значений да / нет (1 / 0) еще и промежуточное значение - не знаю (0.5), пациент скорее всего жив, чем мертв (0.75), пациент скорее всего мертв , чем жив (0.25). Такой подход подобный к мышлению человека, поскольку она редко соответствует да или нет.

2. Под структурным подходом мы понимаем попытки построения ИИ путем моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Френка Розенблатта. Главной моделирующей структурной единицей в перцептронах (как и в большинстве других вариантах моделирования мозга) является нейрон . Позднее возникли и другие модели, известные под названием нейронные сети (НС) и их реализации - нейрокомпьютеры . Эти модели отличаются по строению отдельных нейронов, по топологии связей между ними и алгоритмами обучения. Среди самых известных в настоящее время вариантов НМ можно назвать НМ с обратным распространением ошибки , сети Кохонена , сетки Хопфилда , стохастические нейроны сетки. В более широком смысле этот подход известен как Конективизм . Различия между логическим и структурным подходом не столько принципиальные, как это кажется на первый взгляд. Алгоритмы упрощения и вербализации нейронных сетей превращают модели структурного подхода в явные логические модели. С другой стороны, еще в 1943году Маккалок и Питтс показали, что нейронная сеть может реализовать любую функцию алгебры логики .

3. Эволюционный подход . При построении системы ИИ по данному методу основное внимание сосредотачивают на построении исходной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть создана с самыми разнообразными методами, это может быть и НМ, и набор логических правил, и любая другая модель. После этого мы включаем компьютер и он, на основе проверки моделей отбирает лучшие из них, и за этими моделями по самым разным правилам генерируются новые модели. Среди эволюционных алгоритмов классическим считается генетический алгоритм .

4. Имитационный подход . Этот подход является классическим для кибернетики с одним из ее базовых понятий черный ящик . Объект, поведение которого имитируется, как раз и представляет собой «черный ящик». Для нас не важно, какие модели у него внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя без изменений. Таким образом здесь моделируется другое свойство человека - способность копировать то, что делают другие, без разделения на элементарные операции и формального описания действий. Часто это свойство экономит много времени объекту, особенно в начале его жизни.

В рамках гибридных интеллектуальных систем пытаются объединить эти направления. Экспертные правила выводов могут генерироваться нейронными сетями, а Порождающие правила получают с помощью статистического изучения. Многообещающий новый подход, который еще называют усиление интеллекта, рассматривают достижения ИИ в процессе эволюционной разработки как текущий эффект усиления человеческого интеллекта технологиями.

Вопрос 17

Экспертные системы (ЭС) — это сложные программные комплексы, акку­мулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Не нашли, что искали? Воспользуйтесь поиском по сайту: