Лекция
Сразу хочу сказать, что здесь никакой воды про искусственный интеллект, и только нужная информация. Для того чтобы лучше понимать что такое искусственный интеллект , настоятельно рекомендую прочитать все из категории Искусственный интеллект. Основы и история. Цели..
В современном мире проблема создания искусственного интеллекта поднимается все чаще. То тут, то там мелькали заметки в газетах, что, мол,
искусственный интеллект (ИИ) уже практически создан или применяется на практике в военных целях, космических исследованиях, медицине и т.д..
Страсти разжигают и фантастические фильмы, рассказывающие о реальном существовании ИИ. В свете культовых фильмов "Матрица", "Терминатор", "Я - робот" телезритель приходит к однозначному выводу, что к созданию ИИ осталось жить совсем недолго, и не пройдет и века, как судьбу человечества будет вершить какая сложно организованная машина. Так ли это? Справедливы все эти домыслы? Возможно ли создание ИИ в принципе, и сколько осталось ждать, если возможно?
Для чего человеку ИИ? ИИ сможет частично или полностью заменить человека во многих специальностях и областях (космонавтика, рабочие специальности и т.д.). Кроме того, ИИ поможет человеку справиться с задачами, которые ему не под силу (сложные вычисления и анализ) и попросту расширить данный ему природой интеллект.
В целом понятие "искусственный интеллект" достаточно размытым. Практически вся современная техника оборудуется микрочипами, а производители убеждают потребителей о наличии ИИ в их изделиях. Но, в большинстве это простое копирование человекообразной линии поведения на искусственно созданном объекте для уменьшения затрат и времени человека.
базовые понятия
Срок интеллект (Intelligence) происходит от латинского понятия intellectus - ум, рассудок, разум. Искусственный интеллект (Artificial Intelligence - AI) понимается как способность автоматических систем брать на себя функции человека, выбирать и принимать оптимальные решения на основе ранее полученного жизненного опыта и анализа внешних воздействий. Любой интеллект опирается на деятельность.
Деятельность мозга - это мышление. Интеллект и мышление связаны многими целями и задачами: распознавание ситуаций, логический анализ, планирование поведения. Характерными особенностями интеллекта является способность к обучению, обобщению, накоплению опыта, адаптация к изменяющимся условиям в процессе решения задач.
Исходя из самого определения ИИ следует основная проблема в создании интеллекта: возможность или невозможность моделирования мышления взрослого человека или ребенка.
История развития искусственного интеллекта
Первые серьезные исследования по созданию ИИ были сделаны практически сразу после появления первых ЭВМ.
Рождение науки об искусственном интеллекте. 1943 - 1956
В течение этого периода группа ученых из широкого спектра областей науки начали обсуждать возможность создания искусственного мозга.
Одним из студентов, вдохновленных их идеями был Марвин Минский, которому тогда было 24 года. Впоследствии он стал одним из наиболее заметных лидеров и инноваторов в области ИИ на следующие 50 лет.
В 1951 было написано программы для игры в шашки и шахматы, что стало мерой прогресса в ИИ на долгие годы.
Дартмутский конференция 1956
Дартмутский семинар - конференция по искусственному интеллекту состоялась летом 1956 года в Дартмутском колледже в течение 2 месяцев. Конференция имела важное значение для науки: она познакомила между собой людей, которые интересовались вопросами моделирования человеческого разума, утвердила новую отрасль науки и дала ей название - «Artificial Intelligence» - «Искусственный интеллект».
План конференции составлен в соответствии с тезисом, что «каждый аспект обучения или любой другой свойства интеллекта можно описать настолько подробно, что может быть смоделирован на компьютере».
Организаторами семинара были Джон Маккарти, Марвин Мински, Клод Шеннон и Натаниэль Рочестер. Они пригласили всех известных американских исследователей, так или иначе связанных с вопросами теории управления, теории автоматов, нейронных сетей, теории игр и исследованием интеллекта.
На семинаре присутствовали 10 человек:
1 Джон Маккарти, Дартмутский колледж
2 Марвин Мински, Гарвардский университет
3 Клод Шеннон, Bell Laboratories
4 Натаниэль Рочестер, IBM
5 Артур Самюэль, IBM
6 Аллен Ньюэлл, Университет Карнеги - Меллон
7 Герберт Саймон, Университет Карнеги - Меллон
8 Тренчард Мур, Принстонский университет
9 Рэй Соломонов, Массачусетский технологический институт
10 Оливер Селфридж, Массачусетский технологический институт
Целью конференции было рассмотрение вопроса: можно моделировать интеллектуальные процессы мышления и творчества с помощью вычислительных машин. Как ключевые вопросы участники выделили: понимание языка, самообучения и самосовершенствования компьютеров.
Десять ученых абсолютно серьезно предполагали, что смогут достичь существенных результатов по данным вопросам, если работать вместе в течение двух месяцев.
Золотые годы: 1956-1974
Годы после 1956 были эрой открытий, спринта по новой местности. Программы, разработанные в настоящее время, для большинства людей казались просто потрясающими, подобная «интеллектуальная» поведение машин казалась невероятной. Исследователи проявляли небывалый оптимизм как в личном общении, так и в публикациях, предсказывая, что полноценная интеллектуальная машина будет создана менее чем за 20 лет. Правительственные агентства, напр., ARPA (Advanced Research Projects Agency), вкладывали значительные средства в развитие этой новой области.
Многие программы, созданных в те годы, использовали лабиринтные алгоритм. Для достижения определенной цели (выигрыш в игре или доказательство теоремы), они двигались к цели подобно движению в лабиринте, возвращаясь к точке ветвления и выбирая другой путь, если этот оказался тупиковым.
оптимизм
Первое поколение исследователей в области ИИ делало такие предсказания о своей работе:
• 1958 - H. Simon, A. Newell: «в течение десяти лет цифровой компьютер будет чемпионом мира по шахматам» и «в течение десяти лет компьютер откроет и докажет новую важную математическую теорему»
• 1965 - H. Simon: «в течение 20 лет машины будут способны выполнять любую работу, на которую способен человек»
• 1967 - М. Мински: «в течение поколения проблема создания искусственного интеллекта будет практически полностью решена»
• 1970 - М. Мински: «в интервале от 3 до 8 лет мы будем иметь машину с интеллектом, сопоставимым со средним человеческим уровнем»
финансирование
В 1963 MIT (Массачусетский Технологический Университет), «AI Group», Minsky & McCarthy, получили грант на $ 2.2 млн. От ARPA, которое продолжало финансирование в размере $ 3 млн. В год до 70-х. Такого же масштаба финансирования задействованы относительно «Stanford AI Project», John McCarthy и программы Newell и Simon, Carnegie Mellon University. Еще одна лаборатория по исследованию ИИ была основана в Эдинбургском Университете в 1956 Эти четыре института стали основными центрами разработки и исследований в области ИИ на долгие годы.
перцептроны
Перцептроном назвали разновидность нейронной сети, предложенная Фрэнком Розенблат в 1958 Как и большинство исследователей ИИ, он был оптимистично настроен относительно потенциальных возможностей перцептронов, предсказывая, что «персептрон может оказаться способным учиться, принимать решения, переводить с одного языка на другой» .
Активная исследовательская программа в этой области была начата в 60-х годах, но она была внезапно прервана вскоре после публикации Мински и Папертом в 1969 году книги «Перцептроны». В ней утверждалось, что существуют значительные ограничения на возможности перцептронов, и предсказания Розенблатта были чрезмерным преувеличением. Эффект от этой книги был разрушительным - более чем на 10 лет исследования в этой области были практически полностью прекращены.
Первая «зима» искусственного интеллекта, 1974 - 1980 (The first AI Winter)
По просьбе Британского совета по научным исследованиям известный математик Сэр Джеймс Лайтхил подготовил доклад «Искусственный интеллект: Общий обзор», опубликованной в сборнике трудов Симпозиума по искусственному интеллекту в 1973 году. Лайтхил описал состояние разработок в области искусственного интеллекта и дал очень пессимистические прогнозы для основных направлений этой науки. В его докладе уровень достижений в области ИИ был определен как разочаровывающий, а общая оценка была отрицательной с позиций практической значимости.
В 70-х годах ИИ стал предметом критики и уменьшение финансирования. Исследователи ИИ не смогли адекватно оценить сложность проблем, с которыми они столкнулись. Их чрезмерный оптимизм породил невероятно высокий уровень надежд и ожиданий, и когда обещанные результаты не смогли материализоваться, финансирование ИИ прекратилось.
Одновременно направление ИИ, касался нейронных сетей было полностью закрыто на 10 лет в результате разрушительного критики перцептрона Марвином Мински.
Несмотря на трудности (ограничена вычислительная мощность, эффект «комбинаторного взрыва» в большинстве алгоритмов, огромные объемы данных, необходимых для обработки в задачах, связанных с распознаванием речи и образов), с которыми столкнулись в 70-е годы, было высказано новые идеи в областях логического программирования, соображений на основе «здравого смысла» и многое другое.
Бум 1980 - 1987
В 80-х годах разновидность ИИ - программ, названы «экспертные системы» было использовано рядом крупных корпораций и стала мейнстримом в ИИ - исследованиях. В 1980 экспертная система XCON была закончена в CMU для Digital Equipment Corporation. Она приносила компании $ 40 млрд в год до 1986 К 1985 они выделяли миллиард $ в год на исследования ИИ.
Тогда же японское правительство начал «агрессивное» финансирование проекта по созданию ИИ на основе компьютера пятого поколения (см. Компьютер 5 поколения). К сожалению, проект не оправдал возложенные на него надежды.
Другим важным событием стало возрождение нейронных сетей в работах Джона Хопфилда (сети Хопфилда) и Дэвида Румельхарта (Back Propagation - алгоритм обратного распространения ошибки).
Вторая «зима» ИИ, 1987 - 1993 (The second AI winter)
Интерес и участие бизнес-сообщества в исследованиях ИИ (их спонсировании) потерпела всплеск и спад согласно классической схеме экономического пузыря. Рынок специализированного «железа» для ИИ в 1987 начал падать. Персональные компьютеры от Apple и IBM неуклонно наращивали скорость и мощность и в 1987 стали более производительными по сравнению с более специализированными и дорогими компьютерами.
1993 - наши дни
Область исследования, связанной с ИИ, наконец достигла некоторых из своих первоначальных целей. Определенные разработки заняли свою нишу в технологической индустрии. Отчасти успех был достигнут благодаря увеличенной вычислительной мощности, частично благодаря фокусировке на специфических проблемах.
Но, мечта об интеллекте, равный человеческому, не осуществилась, потому исследователи ИИ стали намного более осмотрительными и осторожными в своих прогнозах и суждениях.
Сегодня разработка систем ИИ происходит интенсивными темпами и над этой проблемой работают крупнейшие мировые институты.
Направления исследований в области искусственного интеллекта
В исследованиях в области искусственного интеллекта сложилось два главных направления: бионический и прагматичный.
Бионический направление исследований в области искусственного интеллекта основан на предположении о том, что если в искусственной системе воспроизвести структуры и процессы человеческого мозга, то и результаты решения задач такой системой будут подобны результатам, получает человек. В этом направлении исследований выделяются:
• Нейросетевые алгоритмы. В его основе лежат системы элементов, которые подобно нейронов головного мозга способны воспроизводить некоторые интеллектуальные функции. Прикладные системы, разработанные на основе этого подхода, называются нейронными сетями.
• Структурно-эвристический подход. В его основе лежат знания о поведении наблюдаемых объекта или группы объектов и рассуждения о тех структурах, которые могли бы обеспечить реализацию наблюдаемых форм поведения. Примером подобных систем служат мультиагентные системы.
• Эволюционные алгоритмы. В этом случае можно решить задачи, формулируется в терминах эволюционирующей популяции организмов - совокупности подсистем, противодействуют и сотрудничают, в результате функционирования которых обеспечивается необходимая равновесие (устойчивость) всей системы в условиях постоянно меняющихся воздействий среды. Об этом говорит сайт https://intellect.icu . Такого рода подход реализован в прикладных системах на основе генетических алгоритмов.
• Нечеткая логика. Наиболее впечатляющим в человеческом интеллекте является способность принимать правильные решения в условиях неполной и нечеткой информации. Построение моделей приближенных размышлений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки. "Искусственный интеллект", который легко решает задачи управления сложными техническими комплексами, часто является беспомощным в простых ситуациях повседневной жизни. Для создания интеллектуальных систем, способных адекватно взаимодействовать с человеком, нужно применять новый математический аппарат, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул.
Прагматический направление основывается на предположении о том, что умственная деятельность человека является «черным ящиком». Но, если результат функционирования искусственной системы совпадает с результатом деятельности эксперта, то такую систему можно признать интеллектуальной независимо от способов получения этого результата. При таком подходе не ставится вопрос об адекватности использованных в компьютере структур и методов к тем структурам или методов, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.
С точки зрения конечного результата в прагматическом направлении можно выделить три целевые области:
• Разработка методов представления и обработки знаний - одна из основ современного периода развития искусственного интеллекта;
• Интеллектуальное программирование - разбивается на несколько групп. К ним относят игровые программы, естественно-языковые программы (системы машинного перевода, автоматического реферирования, генерации текстов), распознающие программы, программы создания произведений живописи и графики.
• Создание инструментария. Инструментарий - языка для систем искусственного интеллекта; дедуктивные и индуктивные методы автоматического синтеза программ; лингвистические процессоры; системы анализа и синтеза речи; базы знаний; оболочки, прототипы систем; системы когнитивной графики;
Общим для перечисленных программ является широкое использование поисковых процедур и методов решения преодолимых задач, связанных с поиском и просмотром большого числа вариантов. Эти методы применяются при машинном решении игровых задач, в задачах выбора решений, при планировании целесообразной деятельности в интеллектуальных системах.
Суть реализации ИИ в теории и на практике
Суть реализации мышления до сих пор до конца не выяснена и остается тайной для науки. Сегодня компьютеры перерабатывают в основном не саму информацию, а только содержимое ячеек памяти, которые можно заполнить чем угодно. Итак, компьютеры не "осмысливают" содержимое информации в отличие от людей, для которых характерно исключительно осмысленные понятия. Образно можно сказать, что у людей процесс мышления происходит в душе, в то время как для машин ее не существует.
Из каких компонентов обычно строится система искусственного интеллекта, и любого интеллекта вообще?
В первую очередь ИИ - это совокупность "железа" и соответствующего программного обеспечения. В качестве первого обычно выступает компьютер определенной конфигурации и обслуживающие механизмы (манипуляторы, видеокамеры, звуковые и другие датчики). В большей степени на "интеллектуальность" машины в целом влияет программная начинка, которая определяет степень "продвинутости" данного ИИ.
В электронной начинке ИИ в первую очередь присутствует огромное количество памяти, на основе которой и строятся все рассуждения и выводы. Понятно, что все знания из различных областей в память ИИ заложить невозможно, но сделать интеллектуальную систему в определенной области познания вполне возможно. Обычно, человек сначала закладывает в систему минимальные познания о мире. Далее эти познания расширяются в процессе накопления опыта и вложения его человеком (пассивный путь) или самой системой (активный путь) в результате ее адаптации к условиям окружающей среды. Однако компьютерная память представляет собой лишь простую совокупность файлов и папок.
Память человека устроено гораздо сложнее - она оперирует не файлами, является клочками информации. Человеческая память - это память образов. Человеческую память можно сравнить с кометой: сзади - длинный "хвост" жизненного опыта, который со временем автоматически забывается и затирается новым; сама комета - это слой реальной ежесекундной памяти; тонкий передний слой - это туманные рассуждения (предвидение) человеческого будущего. И пока память систем ИИ в корне отличается от человеческой.
Во вторую очередь сам логический процесс вычисления ситуации происходит в устройстве обработки информации. Чаще всего это определенное программное обеспечение и центральный процессор компьютера.
От возможностей этого центра обработки информации напрямую зависит производительность и активность ИИ.
Самым главным отличием программного обеспечения подлинного искусственного интеллекта от простых приложений заключается в возможности "мыслить" образами. С помощью образного мышления сегодня стали доступными такие технологии, как сжатие и кодирование информации, обработка биометрических образов, оптимизация гаммы цветопередачи, подобный поиск, анализ смысла изображений, автоматическая каталогизация информации, алгоритмы распознавания и классификации образов.
Для человека примерами образов могут быть небо, облака, музыка, море, стихи и т.д.. Способность восприятия внешнего мира в форме образов позволяет людям узнавать бесконечно большое количество объектов и понимать друг друга независимо от национальной принадлежности.
Процесс восприятия объекта как оскорбление для машины имеет некоторые особенности. Обычно, перед выделением образа (например, графического) заранее считается известным лишь то, что нужно разделить множество точек некоторого пространства на две или более областей, и после разделения все точки будут принадлежать к этим двум (или более) областей. При этом, заранее известно лишь расположение точек исходной области (их приблизительные координаты). Далее, происходит сам процесс разделения точек на области (образы) по определенным критериям (для изображения это будет изменение цветов и контрастов). Иногда нужно обработать изображение так, чтобы точки были более явными для разделения (например, перевести цветное изображение в черно-белое) - это сделает чувствительность разделения выше (так работает большинство программ для распознавания текста).
Если система сможет самостоятельно классифицировать и фильтровать не только ранее известные объекты, но и неизвестные (не зная их свойств, по внешнему виду), то этот процесс будет называться самообучением. Сегодня системы ИИ могут различать только немногочисленные образы в небольших заданным пространствах.
Важной особенностью ИИ должен стать его обучение и над этой проблемой работают многочисленные ученые во всем мире. Обучение, как правило, определяется как процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные внешние воздействия. Сегодня существуют прототипы оборудования, способны обучаться простым механическим операциям (обработка деталей на станке, копирования человеческой походки). Однако, достижения в области обучения ИИ пока продвигаются довольно низкими темпами и не успевают за развитием электроники.
Для решения той или иной задачи ИИ сегодня необходим алгоритм решения (впрочем, как и любому человеку). Алгоритм - это точное предписание о выполнении в определенном порядке операций для решения определенной задачи. Нахождение алгоритма для человека или машины связано с тонкими и сложными рассуждениями. Эти соображения часто требуют изобретательности и творческого подхода, поэтому, машина постоянно требует взаимодействия с человеком за неимением вышеуказанных качеств. Машине не свойственный "метод тыка" - она лишь ищет варианты решения проблемы с помощью прописанных в базе данных.
Важную роль в функционировании ИИ выполняют функции анализа информации и накопления жизненного опыта. Наблюдая за детьми, мы убеждаемся, что большую часть знаний они получают путем обучения и общения с окружающим миром, а не в качестве, что заложенные в них заранее. Изобретение эффективного механизма самоанализа и самостоятельного накопления жизненного опыта поставит ИИ на значительно более высокий уровень по сравнению с современным.
Реальные возможности и преимущества искусственного интеллекта
В последнее время можно проследить постепенное превращение программной инженерии в интеллектуальную инженерию, рассматривающую более общие проблемы обработки информации и предоставления знаний. Для определения реальных возможностей развития ИИ рассмотрим перспективные подходы к организации систем ИИ и возможности искусственного интеллекта сегодня.
Представление знаний и разработка систем, основанных на знаниях.
Разрабатываются модели представления знаний, создаются базы знаний, составляющих ядро экспертных систем. Совершенствуются модели и методы добычи и структуризаци знаний.
Это направление оформляется в отдельную науку - инженерию знаний.
Программное обеспечение систем ИИ
Разрабатываются специальные языки для решения интеллектуальных задач, где большей преимущества приобретает логическая и символьная обработка чем традиционные вычислительные процедуры (LISP, PROLOG, SmallTalk, REFAL).
Создаются пакеты прикладных программ, ориентированных на разработку интеллектуальных систем: KEE, ARTS, G2.
Создаются пустые экспертные системы (оболочки), базы знаний которых можно наполнять конкретными знаниями: KAPPA, EXSYS, M1, EKO.
ИИ в Интернете
Специалисты считают, что в будущем именно Интернет определять уклад и занятия пользователя в свободное время: цифровое телевидение, универсальная библиотека, игры и т.д.. Эти сервисы вероятно будут бесплатными или условно платными.
Сегодня в Интернете системы ИИ активно используются: это поисковые машины, которые содержат признаки интеллекта и способны в считанные секунды находить и предоставлять нужную информацию; персонализированный поиск; голосовой интерфейс; распознавания изображений и рукописного текста; гиды по сайтам; интеллектуальные датчики, способные предупредить об ограблении или пожар, и т. д.
робототехника
У каждого человека есть стремление максимально облегчить свой труд. Робототехника сегодня является достаточно перспективным направлением ИИ. Поскольку работу мышц можно заменить только работой других приложений, человек не забыла этим воспользоваться - на многих заводах вместо людей сегодня трудятся работы.
Выделяют несколько поколений в истории робототехники.
1 Работы по жесткой схеме управления (запрограммированы манипуляторы). К ним можно отнести практически всех современных промышленных роботов-автоматов.
2 Адаптивные работы с сенсорными устройствами. Существуют удачные разработки, но в промышленности применяются редко.
3 Интеллектуальные роботы, самообучающихся и же настраиваются. Они является конечной целью рабо техники. Основной проблемой здесь является машинное зрение, в частности, адекватное распознавание, обработка и сохранение трехмерной визуальной информации, а также проблема сохранения равновесия при передвижении.
Первых роботов трудно назвать интеллектуалами. Только в конце 60-х годов был сконструирован роботов, которые были управляемые компьютерами. Например, в результате разработки проекта "Промышленный интеллектуальный робот" в Японии в 1969 году было собрано работа с элементами ИИ для выполнения сборочно-монтажных работ с визуальным контролем. Манипулятор робота имел 6 степеней свободы и был оснащен тактильными датчиками. Зрение работа была организована с помощью двух видеокамер, обеспеченных светофильтрами для распознавания цвета предметов. Робот был способен определять область, где находились предметы и распознавать их. Постепенно характеристики роботов значительно улучшились, и сегодня точности их работы позавидует любой человек. В развитых странах планируется перевести значительную часть вооруженных сил на роботизированную основу.
Внимание общественности привлекают ежегодные соревнования роботов-машин, передвигающихся по пересеченной местности, пользуясь при этом только карточкой. Эти сложно организованные механизмы способны самостоятельно принимать решения по координации передвижения и имеют для этого в составе примитивный ИИ с датчиками наклона автомобиля, радиомаяков, компасом, дальномером, инфракрасными и другими датчиками мониторинга движения. В США в последнее время ведутся разработки по машинному обучению, навигации роботов, логического планирования их действий и т.д.
Медицинские системы
Созданы системы для выполнения точных операций и консультации врачей в сложных ситуациях; использование роботов-манипуляторов для проведения операций повышенной точности (например, на сетчатке глаза).
Полностью автоматизированные производства
Создание полностью автоматизированных заводов с заменой людей (особенно в условиях повышенной опасности). Большинство текущих линий на современных заводах микроэлектронной и других промышленностей нуждаются лишь нескольких операторов-людей, остальные работы по сборке и упаковки продукции выполняют работы.
Экспертные системы.
Сегодня общество интересуют системы принятия решений в реальном времени, средства хранения, извлечения, анализа и моделирования знаний, системы динамического планирования. Среди них уже есть конкретные результаты:
• DENDRAL - высокоинтеллектуальная система распознавания химических структур. Это самая старая из экспертных программ. Первые версии данной системы появились еще в 1965 году. Пользователь задает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры.
• MICIN - экспертная система медицинской диагностики. Она разработана группой по инфекционным заболеваниям Стенфордского университета. Программа ставит соответствующий диагноз, исходя из представленных в ней симптомов, и рекомендует курс медикаментозного лечения для диагностированной инфекции.
• PUFF - система анализа нарушения дыхания человека. Она базируется на системы MICIN, из которой удалили данные об инфекциях и вставили данные о легочных заболеваниях.
• PROSPECTOR - система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
Машинное обучение и самообучение.
Разработка моделей, методов и алгоритмов, ориентирующихся на автоматическое накопление и формирование знаний на основе анализа и обобщения данных. Воплощается обучения за примерами и традиционные подходы по теории распознавании образов. Сегодня этому вопросу уделяется огромное внимание в области искусственного интеллекта.
Существует много алгоритмов машинного обучения. Один из самых распространенных - алгоритмы класса С4. Эти алгоритмы позволяют выстраивать и анализировать сложное дерево решений. С каждой ветвью дерева ассоциируется определенный класс примеров решения проблемы. В процессе решения классы могут разбиваться на подклассы. Завершение работы алгоритма является принятие того или иного решения, удовлетворяющего потребностям задачи. Недостатком алгоритма является ограниченность примеров решения проблемы.
В последние годы распространение получают технологии Data Mining (добыча знаний) и KnowLedge Discovery (поиск закономерностей в представленных данных).
Интеллектуальный анализ данных и обработка статистической информации.
Сравнительно новое направление применения ИИ. Сюда относят процесс выявления закономерностей в исходной информации, построение определенной модели для анализа информации, прогнозирования результатов исследования на будущее и представление в виде графической информации. Это довольно перспективное направление ИИ, который уже реально применяется на различных биржах и в маркетинговой деятельности.
Разработка естественно-интерфейсов и систем машинного перевода
Компьютерная лингвистика, в частности машинный перевод является популярной темой еще с 50-х годов. Идея перевода не является простой, как казалось первым разработчикам. Они применяли последовательный пример слов в тексте, что было неуместным, потому перевести текст только основываясь на понимании всего текста и в контексте всей информации.
Применение языков-посредников
Происходит трансляция «язык оригинала» - «язык содержания» - «язык перевода».
ассоциативный поиск
Поиск аналогичных фрагментов текста и их переводов в специальных базах данных
структурный подход
Применяет последовательный анализ и синтез естественно-сообщений, состоящий из нескольких этапов:
Автоматический анализ языков.
Сюда относят поиск по словарям, распознавания языков, перевод, выявление незнакомых слов, лексики, грамматики и т.д..
распознавание образов
Это направление, сформировавшийся от зарождения ИИ, на сейчас это самостоятельная наука. Основным подходом является описание классов объектов через значения весомых признаков. Каждому объекту ставится в соответствие матрица признаков по которой происходит распознавание. Для разделения объектов на классы используют специальные математические процедуры и функции.
нейронные сети
Принцип создания искусственных нейронных сетей заимствовано из биологии. Они образованы из элементов, которые воспроизводят элементарные функции биологического нейрона. Искусственные нейронные сети воспроизводят определенные свойства, которые присущи мозгу человека. Они учатся на основе опыта, обобщают свой опыт, способны выделять главное из информации, поступающей.
Способность нейронной сети к обучению впервые была исследована Дж. Маккалоком и В. Питтом в опытах 1943 года на созданной ими модели нейрона. Авторы описали принципы построения нейронных сетей. Позже, в 1962 году, Ф. Розенблатт предложил свою модель нейронной сети - персептрон, а в 1986 Дж. Хинтон и его коллеги опубликовали статью с описанием модели нейронной сети и алгоритмом ее обучения, что дало толчок к эффективному изучению нейронных сетей.
Для моделей, построенных по типу нейронных сетей человеческого мозга, характерно легкое распараллеливание алгоритмов и высокая производительность. С человеческим мозгом их сближает важное свойство, которое отсутствует в простых электронных машинах: нейронные сети работают даже при условии неполной информации об окружающей среде, то есть, как и человек, они могут отвечать не только "да" или "нет", но и "не знаю точно, но скорее да ".
Нейронным сетям сегодня под силу распознавания сигналов, речи, изображений, поиск данных, финансовое прогнозирование, шифрования данных. Нейросетевой подход используется в большом количестве задач - для кластеризации информации из Интернета, для имитации и моделирования сложно устроенного человеческого мозга, для распознавания образов и др .. Сейчас продолжается совершенствование методов синхронной работы нейронных сетей на параллельных устройствах.
К преимуществам нейронных сетей можно отнести самообучения, же настройки, гибкость конфигурации, высокую эффективность. Среди наиболее известных сегодня нейронных сетей выделяют сети Хопфилда, нейронные сети с обратным распространением ошибки и самоорганизующиеся карты.
Новые архитектуры компьютеров
Современные компьютеры, как и компьютеры и поколения базируются на традиционной последовательной архитектуре фон Неймана, которая довольно неэффективной для символьной обработки. Поэтому, усилия ученых и производителей направлены на разработку архитектур, способных обрабатывать символьные и логические данные. Создаются ПРОЛОГ и LISP-машины, компьютеры баз данных, параллельные и векторные компьютеры.
Хотя существуют хорошие промышленные образцы, но высокая стоимость, недостаточное программное оснащение и аппаратная несовместимость с традиционными компьютерами существенно тормозят широкое использование новых архитектур.
Игровой направление
Одна из самых интересных и полезных сторон применения ИИ - разработка игр, развлекательных программ и систем искусственного общения с человеком. Большую часть здесь занимает моделирование социального поведения, общения, человеческих эмоций, творчества. Это одно из самых сложных направлений разработки ИИ и в то же время - один из самых перспективных.
Бытовые приборы
Современные системы искусственного интеллекта способны освоить гораздо больше специальностей, чем простой человек, благодаря значительному числу различных датчиков информации и устройств, которые создают подобно строения органов чувств человека.
Разработки ИИ применяется сегодня в качестве автономных секретарей, поисковых машин, планировщиков работ, профессиональных учителей, продавцов. Также предполагается использование в дальнейшем систем ИИ в различных бытовых приборах: уборщиках помещений; агрегатах для приготовления, доставки и заказ еды; автоматических водителях автомобилей и т.д.
Однако не следует думать, что компьютеры или роботы смогут решать любые задачи. Учеными доказано существование таких типов задач, для решения которых невозможно единственный эффективный алгоритм (например, сложные жизненные ситуации). Человек часто методом "научного тыка" расширяет для себя зону познания о природе, открывает новые законы. Компьютерном искусственному интеллекту это совершенно не свойственно.
Недостатки и проблемы современного искусственного интеллекта
Сегодня мы имеем возможность наблюдать постоянный рост вычислительной мощности компьютеров, но это не означает появления у них ИИ. К сожалению, также принципы работы человеческой психики сегодня остаются неясными. А поскольку ИИ изначально задумывался как прообраз человека, то его создание связано с неизвестностью. Однако рост производительности компьютеров в сочетании с повышением качества алгоритмов обработки делает возможным применение различных научных методов на практике в различных сторонах жизни человечества.
Рассмотрим основные проблемы, связанные с разработкой ИИ на практике.
Большинство современных разработок ИИ используют несколько типов понятий: ДА (хорошо) и НЕТ (плохо). В математике и электронике это нормально, но в жизни точные понятия используют редко
Поскольку сначала ИИ задумывался как человекоподобный интеллект, служит дополнением к человеку, то угодить этому самому человеку будет очень нелегко.Як, например, машине понять депрессивное состояние или эйфорию человека? Понятие "веселый" и "грустный" для машины здесь никак не подходят.
Проблемы в разработке ИИ прослеживаются и на уровне формирования образов и образной памяти. Поскольку образы в мышлении человека взаимопроникают друг в друга, то формирование образных цепочек у людей не представляет сложности - оно ассоциативно. Файлы же, в противовес к образам, отделены пакетами машинной памяти. В памяти человека поиск данных ведется не по содержанию памяти, а вдоль готовых цепочек ассоциативных связей. Компьютер же ищет конкретные файлы.
Пример: для человека не будет проблемой узнать лицо друга на фотографии, даже если он похудеет или поправится, и это является ярким примером ассоциативной памяти. Для машины это практически невозможно. Она не сможет отличить главное от второстепенного. Для получения результата ИИ использует только определенную базу известных данных. Ему несвойственный эксперимент.
Проблема перевода с одного языка на другой, а также обучение машины мови.Якщо вы предложите современным программам-переводчикам (например, Promt) перевести любой абзац из книги на другой язык, то поймете, что качеством здесь и не пахне.В результате вы получите простой набор слов. Почему? Потому, что для перевода целых предложений необходимо понимать смысл предложения, а не просто переводить слова.Сучасни ИИ - программы не могут пока выделять смысл в тексте (вероятно, потому, что посредником для перевода, скажем, с английского на украинский, является бездушная машинный язык - язык единиц и нулей).
Простота математических вычислений. В последнее время многими ведущими специалистами в области ИИ внесено предложение об исключении из списка высокоинтеллектуальных задач простого алгебраического решения уравнений, поскольку для этого сегодня есть стандартные последовательные алгоритмы вычислений. Это не требует сложных, многоэтапных и часто непоследовательных интеллектуальных способностей. Распознавание текста, игра в шахматы и шашки, распознавания звуков на сегодня успешно применяются на практике, но их хотят убрать по проблемам ИИ.
Современные разработки, связанные с искусственным интеллектом, способны к самокопирования (размножения). На современном этапе развития кибернетики и электроники абсолютно самостоятельное самокопирования роботов невозможно, необходимо хотя бы частичное (часто значительное) вмешательства человека. Однако для приложений это является простым, например, возможности утилит самостоятельно копироваться в другую директорию. Ярким примером является компьютерные и мобильные вирусы, которые способны к бесконтрольному размножению и выполнения разрушительных действий.
Еще одна проблема на пути к созданию ИИ - отсутствие у него всякого проявления воли. Как это ни странно звучит, но в современных компьютеров есть колоссальные возможности для сложных расчетов, но абсолютно отсутствуют какие желания. Даже если компьютер обеспечить микрофоном и акустикой, это не значит, что он начнет самостоятельно писать музыку или невольно запускать любые приложения. Он не ленивый - просто у него нет желаний. Компьютеру все равно, кто с ним работает, зачем и с какой целью.
В современных прототипах ИИ отсутствуют стимулы к дальнейшему совершенствованию. В природе на любой живой организм действует фактор естественного отбора, который порождает постоянное приспособление к условиям окружающей среды. Голод, стремление выжить и дать потомство - это факторы, постоянно действующие на живой организм, как стимул к дальнейшему совершенствованию.
Мотивация большинства современных ИИ очень примитивной: человек задала задачу - машина ее выполняет без вариантов и эмоций. Теоретически на мотивацию и совершенствование может повлиять введение обратных связей компьютер -> человек и создание улучшенной системы самообучения машины. Правда, это только теория - на практике же все оказывается гораздо сложнее. Однако подобная работа уже проводится. Как стимул выбрано элементарное чувство голода - предвестник скорого окончания энергетических ресурсов и, соответственно, существования машины. Американец С. Уилкинсон создал "гастроробота" по имени "Жуй - жуй". Машина питается сахаром, и основой ее поведения является исследование окружающего мира в поисках съестного. Тело "Жуй - жую" состоит из трех тележек, а чувство голода является его постоянным спутником, поскольку аккумуляторы постоянно требуют перезарядки. Проблема частые ошибки машины в выборе продуктов питания.
Некоторая примитивность искусственных нейронных сетей. Искусственные нейронные сети демонстрируют сегодня удивительные преимущества, присущие человеческому мозгу. Они учатся на основе личного опыта, обобщают информацию, самоконфигурируются, извлекают главное из информации с лишними данными. Однако даже развитые искусственные сети не могут дублировать функции человеческого мозга. Реальный интеллект, демонстрируется сегодня сложно устроенными нейронными сетями, находится ниже уровня развития интеллекта дождевого червя.
Неэффективность искусственного интеллекта в военных целях. В последнее время в СМИ довольно часто появляются новости о создании ИИ в военных целях. Однако в реальности перед разработчиками подобных машин-роботов стоят очень сложные и часто неразрешимые задачи. Прежде всего это недостатки систем автоматического распознавания, способных самообучаться и адекватно анализировать информацию в режиме реального времени (принимать нужные решения в нужный момент). Такой боевой машине очень трудно, а скорее всего - практически невозможно, будет отличить на поле боя своих от чужих.
Также пока не разработано алгоритмов работы подобных устройств в условиях незнакомой местности. Подобные боевые единицы способны сегодня максимум до простого дистанционного управления. Более выдающиеся результаты достигнуты военными в прикладных направлениях: точное распознавание речи и тембра голоса, различные "детекторы лжи", создание консультационных систем (снижение однотипных действий и нагрузки на пилотов в режиме реального полета), системы низкоуровневого анализа изображения, полученного от видеокамеры, и т . д.
Кроме этого, сегодня создано достаточно большое количество приборов с подобием ИИ, призванных усовершенствовать работу вооруженных сил: разнообразные интеллектуальные сонары и радары для обнаружения целей, спутниковая система позиционирования для точного координирования локализации войск и их передвижение, разнообразные системы навигации в судоходстве.
выводы
Сегодня продолжается внедрение логики в прикладные области и программы. Программ глобального масштаба, способных хоть какой мере соответствовать реальному человеку, вести процесс разумного мышления и общения, пока нет и в ближайшем времени не предвидится (существует слишком много препятствий и неразрешимых проблем).
Сегодня компьютер выполняет только точные указания, которые ему предоставляет человек. При написании любого приложения программист пользуется языком высокого уровня, затем программа - транслятор переводит это приложение на машинный язык директив, которую и понимает процессор компьютера. Поэтому, становится понятно, что сам по себе компьютер к мышлению способен в принципе, но высокоуровневые программы делают его относительно интеллектуальным.
Делая вывод из всего сказанного, можно сказать, что высокоинтеллектуальное мышление - это свойство не высокоорганизованной материи, а свойство высокоорганизованной ДУШИ. Животные и человек способны ставить и решать задачи. Компьютеры - устройства неодушевленные, сегодня их очеловечивают программисты, а машины только следуют их указаниям. К сожалению, какой бы ни была сложной современная программа, какие бы сложные алгоритмы не было у нее заложено, в конечном итоге она не сможет сделать ничего кроме того, что не предусмотрено автором. Возможно, в будущем то и изменится, но не сегодня ...
Ученые пытаются приоткрыть завесу отдаленного будущего. Возможно ли создание искусственного интеллекта? Можно создать такие человекообразные системы, которые смогут мыслить абстрактными образами, будут саморазмножаться, самообучаться, корректно реагировать на изменения окружающей среды, владеть чувствами, волей, желаниями? Можно создать соответствующие алгоритмы? Сможет человечество контролировать такие объекты? К сожалению, ответов на эти вопросы пока нет. Остается надеяться на то, что, если искусственный интеллект можно создать в принципе, то рано или поздно он будет создан.
Статью про искусственный интеллект я написал специально для тебя. Если ты хотел бы внести свой вклад в развитие теории и практики, ты можешь написать коммент или статью отправив на мою почту в разделе контакты. Этим ты поможешь другим читателям, ведь ты хочешь это сделать? Надеюсь, что теперь ты понял что такое искусственный интеллект и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Искусственный интеллект. Основы и история. Цели.
Ответы на вопросы для самопроверки пишите в комментариях, мы проверим, или же задавайте свой вопрос по данной теме.
Комментарии
Оставить комментарий
Искусственный интеллект. Основы и история. Цели.
Термины: Искусственный интеллект. Основы и история. Цели.