---

Вот мои развёрнутые устные ответы на все пять практических заданий. Я построил их так, чтобы можно было сразу отвечать преподавателю, с чёткой аргументацией.

---

Практика №1 (Классификация ИС)

Система: прогнозирует отказы и сама корректирует график ТО.

Ответ:
Это интеллектуальная система поддержки принятия решений (СППР) активного типа с элементами автоматического управления.

Принцип работы: основан на предиктивной аналитике (Data Mining) и оптимизации. Система не просто выводит вероятность отказа, а находит оптимальное расписание ТО, чтобы минимизировать риски и затраты. Здесь есть цикл: сбор данных → прогноз → выработка решения → корректировка графика.

Способ обучения: обучение с учителем (исторические данные размечены — было ли оборудование в отказе) + обучение с подкреплением (корректировка стратегии на основе того, снизилось ли число отказов после изменений).

Аргументация: Система работает с неопределённостью, учится на данных и изменяет внешнюю среду (график ТО), значит, это активная ИС, а не просто аналитический отчёт.

---

Практика №2 (Уровни интеллекта)

Системы:

1. Термостат
2. Система вопросов-ответов по текстам
3. ИС, оценивающая качество своих решений и корректирующая стратегию

Соотнесение:

· Термостат → Адаптивный уровень (реагирует на изменения температуры, но не учится и не понимает контекст, это жёсткая обратная связь).
· Система, анализирующая тексты → Когнитивный уровень (понимает естественный язык, извлекает смысл, но не рефлексирует по поводу своих ответов).
· ИС, оценивающая свои решения → Сознательный (рефлексивный) уровень (мета-уровень — система учится учиться, корректирует собственную стратегию, это уже элементы сильного ИИ).

Объяснение: Уровни различаются по способности к адаптации, пониманию и саморефлексии. Термостат — простейший регулятор, NLP-система — сложный анализ, но без самооценки, третья — высший уровень.

---

Практика №3 (Автономность ИС)

Ситуация: система рекомендует маршрут, но решение утверждает диспетчер.

Ответ:
Это советующая система (рекомендательная) с низкой автономностью — относится к классу человеко-машинных систем с поддержкой принятия решений. Окончательное решение за человеком, система — ассистент.

Может ли считаться интеллектуальной?
Да, безусловно. Интеллект здесь проявляется в способности анализировать множество факторов (пробки, погода, время, стоимость топлива) и предлагать оптимальный вариант. Интеллектуальность определяется не автономностью, а качеством обработки знаний и способностью работать с неопределённостью. Но это не автономный ИИ, потому что нет права на действие.

Аргументация: Даже советующая ИС может использовать нейросети и эвристики — это интеллектуальный уровень, хотя автономность низкая.

---

Практика №4 (Этапы развития)

Технологии:

· Перцептрон
· Экспертные системы на основе правил
· Метод опорных векторов (SVM)
· Трансформеры (GPT)

Правильная хронология:

1. Перцептрон (1958) — первая нейросеть, биологическая аналогия, но однослойный, не мог решать XOR.
2. Экспертные системы на основе правил (1970-е) — расцвет символьного ИИ, логический вывод, знания в виде правил "ЕСЛИ-ТО" (системы MYCIN, DENDRAL).
3. Метод опорных векторов (SVM) (1990-е) — мощный математический метод классификации, работа с ядрами, обход проблемы локальных минимумов.
4. Трансформеры (GPT) (2017-2020) — архитектура на основе внимания (attention), параллельная обработка, масштабирование на огромные корпуса текстов, появление генеративных моделей.

Ключевые прорывы:

· Перцептрон — доказал обучаемость нейросетей.
· Экспертные системы — переход к символьному представлению знаний.
· SVM — строгое математическое обоснование и работа с высокой размерностью.
· Трансформеры — снятие ограничений RNN, контекстное понимание, zero-shot и few-shot обучение.

---

Практика №5 (Кейс «Умный дом»)

Система: анализирует поведение, запоминает предпочтения, оптимизирует энергопотребление, предлагает сценарии.

Ответ:

Тип системы: гибридная — реактивная + проактивная, с элементами рекомендательной системы и системы автоматического управления. Она не только реагирует на команды, но и предсказывает потребности.

Уровень интеллекта: когнитивный, с переходом к адаптивному. Она не просто выполняет правила, а выявляет паттерны поведения пользователя и формирует новые сценарии. При этом самооценка решений не заявлена, так что до рефлексивного уровня не дотягивает.

Способы обучения:

· Обучение без учителя — кластеризация поведенческих паттернов (например, в какое время жильцы включают свет).
· Обучение с подкреплением — оптимизация энергопотребления: система пробует разные режимы и получает "вознаграждение" за снижение затрат при сохранении комфорта.
· Возможно, используется обучение с учителем для начальной калибровки (предпочтения заданы вручную).

Развёрнутый устный ответ: Это典型ная система Интернета вещей с ИИ. Она собирает временные ряды, строит профили пользователей, применяет алгоритмы поиска закономерностей и оптимизации. Интеллект проявляется в том, что система не статична — она эволюционирует вместе с привычками. При этом она не самоосознанна, но вполне автономна в пределах дома.

---

Если хочешь, могу сжать эти ответы в формат "для зачётки" или, наоборот, расширить каждый пункт до полноценного доклада.