Задача (стр. 1 )

Задача I. Прочитайте текст "Лазерная лидара" и изучить резюме к этому тексту.

Лазерная лидар

Лазерная основе лидара (лазерных дальномеров) также доказано, что важным инструментом для океанологов. В то время как спутниковые фотографии поверхности океана обеспечить понимание в целом томография океана здоровье и гиперспектрального более глубокое, лидар способен проникать под поверхность и получить более конкретные данные, даже в темных прибрежных водах. Кроме того, лидар не ограничивается безоблачным небом или дневные часы.

"Одна из трудностей пассивных спутниковых систем является то, что есть вода-поверхность отражения, вода-колонка влияние, химический состав воды, а также влияние на дно" , сказал Чак Bostater, директор зондирования лаборатории дистанционного во Флориде Tech University (Мельбурн, Флорида). "На мелководье мы хотим знать, качество воды и дистанционно ощутить толщу воды, не имея сигнала загрязненной водной толще или на дно".

Типичная система лидара содержит лазерный передатчик, телескоп приемник, фотоприемники и спектр - решения электронику обнаружения. В прибрежных исследований лидара, 532-нм лазера обычно используется, потому что это хорошо поглощается составляющих в воде и так проникает глубже в мутной или грязной воды (от 400 до 490 нм проникает глубокий в прозрачных водах океана). Лазер передает короткий импульс света в определенном направлении. Свет взаимодействует с молекулами в воздухе, и молекулы отправить небольшую часть света обратно в телескоп, где она измеряется фотодетекторов.

Аннотация (резюме)

Лазерная лидара. "Laser Focus World", 2003, V 3, №46, p45.

Текст фокусируется на использовании лазерного основе лидара в океанографии.

Способность лидара проникнуть в поверхности океана, чтобы получить конкретные данные в мутной прибрежных водах специально упоминается.

Особое внимание уделяется в пользу лазерных лидаров более пассивных спутниковых систем в получении сигналов не загрязненных толще воды или на дно.

Типичная система лидара описывается с акцентом на том, как он работает.

Эта информация может представлять интерес для научно-исследовательских групп, занимающихся изучением мелководье.

Задача II. Читать тексты и писать резюме согласно данным одногоуниверситете..

Искусственный интеллект в Эдинбургском Перспектива

Джим Хоу

Пересмотренный июня 2007

Искусственный интеллект (ИИ) является экспериментальной наукой, целью которой является понять природу интеллектуального мышления и действия. Эта цель является общей с рядом больше установленных таким предметам, как философия, психология и неврологии. Существенная разница в том, что ученые AI привержены численного моделирования как методологии экспликации толковании процессов, которые лежат в основе разумное поведение, которые относятся зондирование окружающей среды к действию в нем. Ранние работников в области увидел цифровой компьютер как лучший устройство доступно для поддержки многих циклов гипотез, моделирование, моделирование и тестирование участвует в исследованиях в этих толковании процессов. Они приступить к решению задачи разработки технологии программирования, который позволил бы использование цифровых компьютеров в качестве экспериментальной инструмента. За первые четыре десятилетия жизни ИИ, значительное количество времени и усилий был передан в проектировании и разработке новых языков список специального назначения программирования, инструментов и методов. В то время как подход символическое программирование доминируют в самом начале, и другие подходы, такие как не-символических нейронных сетей и генетических алгоритмов фигурируют сильно, что отражает тот факт, что вычисления является просто средством для достижения цели, экспериментальный инструмент, хотя и жизненно один.

Популярный вид интеллекта является то, что он связан с решения проблем высокого уровня, то есть людей, которые могут играть в шахматы, решать математические задачи, делают сложные финансовые решения, и так далее, которые рассматриваются в качестве умнее. То, что мы теперь знаем, что интеллект как айсберг. Небольшое количество обработки деятельности относится к решению проблем высокого уровня, то есть та часть, которая мы можем рассуждать о и самоанализом, но большая часть ее посвящена нашего взаимодействия с окружающей средой. Здесь мы имеем дело с информацией из диапазона чувств, визуальной, слуховой и тактильной и связи зондирования к действию, в том числе использования языка, в соответствующем реактивной моды, которая не является доступным для рассуждений и самоанализа. Используя термины символично и суб-символическое различать эти различные режимы обработки, в первые десятилетия нашей работы в Эдинбурге мы подписались сильно к мнению, что для достижения прогресса по пути к цели мы должны были бы понять природу обработки на обоих уровнях и отношения между ними. Например, некоторые из нашей работы сосредоточены главным образом на задачах символическом уровне, в частности, нашу работу по автоматизированной рассуждения, экспертных систем и системы планирования и составления расписаний, некоторые аспекты нашей работы по обработке естественного языка, и некоторые аспекты машинного зрения, например, распознавания объектов, в то время как другие работы рассматриваются в первую очередь с задачами на суб-символическом уровне, в том числе автоматизированной сборки объектов из частей, мобильных роботов и машинного зрения для навигации.

Большая часть накопительного ноу-хау ИИ в результате работы на символическом уровне, моделирование механизмы для выполнения сложных познавательных задач в ограниченных областях, например, диагностики неисправностей, извлекая смысл из высказываний, recognisin объекты в суматоху сцен. Но это ноу-хау было значение за ее вклад в достижение научной задачи ИИ. Это может быть упакованы и доступны для использования на рабочем месте. Это стало очевидным в конце 1970-х и привело к всплеску интереса к прикладной AI. В Великобритании термин, основанной на знаниях системы (KBS) был придуман для работы, которая интегрирована AI ноу-хау, методы и приемы с ноу-хау, методов и приемов из других дисциплин, таких как Информатика и вычислительная техника. Это привело к построению практических приложений, которые воспроизведены принятия решений на уровне экспертов или решения проблемы человека, что делает его более доступным для технического и профессионального персонала в организациях. Сегодня технология AI / KBS перекочевал в множество продуктов промышленности и торговли, в основном без ведома пользователей.

История AI в Эдинбургском

Департамент искусственного интеллекта может проследить свое происхождение к небольшой исследовательской группой, созданной в квартире на 4 надежды Парк-сквер в 1963 году Дональдом Мичи, то читатель в хирургической науки. Во время Второй мировой войны, через его членства код-нарушение группы Макса Ньюмана в Блетчли-Парк, Мичи была введена в вычислительных и пришел, чтобы верить в возможность построения машины, которые могли бы думать и учиться. В начале 1960-х годов, время, казалось, созрели встать на этом начинании. Оглядываясь назад, есть четыре различимые периоды в развитии ИИ в Эдинбург, каждая продолжительностью примерно в десять лет. Первый охватывает период с 1963 по публикации Лайтхилла Доклад исследовательского Совета по науке в l973. В течение этого периода, Искусственный интеллект был признан университете, сначала путем создания экспериментальной установки по программированию в январе 1965 с Мичи в качестве директора, а затем путем создания Департамента машинного разума и восприятия в октябре 1966 года. К тому времени Мичи убедил Ричарда Григорий и Кристофер Лонге-Хиггинс, то в Кембриджском университете и планирует создать мозга научно-исследовательский институт, объединить свои силы с ним в Эдинбурге. Основной интерес Мичи заключалась в выяснении принципов дизайна для построения интеллектуальных роботов, в то время как Григорий и Лонге-Хиггинс признал, что численное моделирование когнитивных процессов с помощью машины могли бы предложить новые теоретические информацию об их природе. Действительно, Лонге-Хиггинс назвал свою исследовательскую группу теоретической части и Грегори назвал его научно-исследовательской лаборатории Bionics. В этот период были замечательные достижения в ряде суб-областях дисциплины, в том числе разработки новых вычислительных средств и методов и их применение к проблемам таких областях, как сборочных робототехники и естественного языка. POP-2 символический язык программирования, который поддерживает много последующее исследование UK и преподавания в AI был разработан и создан Робин Popplestone и Род Burstall. Он побежал на множественным доступом интерактивной компьютерной системы, только второй в своем роде, которая откроется в Великобритании. К 1973 году исследования в области робототехники произвел робот ФРЕДДИ II, который был способен группировки объектов автоматически из кучи частей. К сожалению, с самого начала их сотрудничества эти научные достижения были омрачены серьезными интеллектуальными разногласиями о характере и цели исследований в ИИ и растущей дисгармонии между членов-учредителей Департамента. Когда Григорий ушел в отставку в 1970 году в

пойтиБристольском университете, реакция университета был превратить отдел в школе искусственного интеллекта, который должен был быть запущен в Руководящим комитетом. Его три исследовательские группы (Джим Хоу взял на себя ответственность за руководство группой Грегори, когда он ушел) дали ведомственную статус; Название научно-исследовательской лаборатории в бионики был сохранен, в то время как экспериментальная установка по программированию стал Департамент машинного разума, и (к большому неудовольствию некоторых местных психологов) теоретической части была переименована в теоретической психологии установку! В то время, Метаматематика Единица факультета, которая была создана Бернардом Мельцера для проведения исследований в автоматизированной рассуждений, присоединился к школе, как Департамент по вычислительной логики. К сожалению, высокий уровень раздора между старшими членами школы стало известно его главных спонсоров, Научно-исследовательского Совета по науке. Его реакция была пригласить сэра Джеймса Лайтхилл пересмотреть поле. Его доклад был опубликован в начале 1973 года. Несмотря на то, что поддерживает исследования AI, связанных с автоматизацией и компьютерного моделирования нейрофизиологических и психологических процессов, это было весьма критически фундаментальных исследований в фундаментальных областях, таких как робототехника и обработки языка. Отчет Лайтхилла спровоцировал массовую гибель уверенности в AI Ученым учреждения в Великобритании (и в меньшей степени в США). Он продержался в течение десяти лет -. Так называемый "AI Зима"