Реферат: История и тенденции развития искусственного интеллекта - текст реферата. Скачать бесплатно.
Банк рефератов, курсовых и дипломных работ. Много и бесплатно. # | Правила оформления работ | Добавить в избранное
 
 
   
Меню Меню Меню Меню Меню
   
Napishem.com Napishem.com Napishem.com

Реферат

История и тенденции развития искусственного интеллекта

Банк рефератов / Информатика, информационные технологии

Рубрики  Рубрики реферат банка

закрыть
Категория: Реферат
Язык реферата: Русский
Дата добавления:   
 
Скачать
Архив Zip, 51 kb, скачать бесплатно
Заказать
Узнать стоимость написания уникального реферата

Узнайте стоимость написания уникальной работы

39 История и тенденции развития и скусственн о го интеллект а План Введение 1. История развития AI 2. Перспекти вы и тенденции развития AI 2.1 Нейронные сети 2.2 Эволюционные вычисления 2.3 Нечеткая логика 2.4 Обработка изображений 2.5 Экспертные системы 2.6 Интеллектуальные приложения 2.7 Распределенные вычисления 2.8 ОС РВ 2. 9 Интеллектуальная инженерия 2.10 Самоо рганизующиеся СУБД 2.1 1 AI для анализаторских функций 2.1 2 Военные технологии 3. Искусственный интелл ект, как направление исследований 3.1 Аспекты представления знаний 3.2 Рефлексия 3.3 Некоторые подходы к решению пр облемы AI Заключен ие Литература Введение Способна ли машина мыслить? Может ли машина иметь с ознанные мысли в таком же смысле, в каком имеем их мы? Если под машиной пон имать физическую систему, способную выполнять определенные функции (а ч то еще под ней можно понимать?), тогда люди — это машины особой, биологиче ской разновидности, а люди могут мыслить, и, стало быть, машины, конечно, то же могут мыслить. Тогда, по всей видимости, можно создавать мыслящие маши ны из самых разнообразных материалов — скажем, из кремниевых кристалло в или электронных ламп. Если это и окажется невозможным, то пока мы, конечн о, этого еще не знаем. Однако в последние десятилетия вопрос о том, может л и машина мыслить, приобрел совершенно другую интерпретацию. Он был подме нен вопросом: способна ли машина мыслить только за счет выполнения залож енной в нее компьютерной программы? Является ли программа основой мышле ния? Это принципиально иной вопрос, потому что он не затрагивает физичес ких, каузальных (причинных) свойств существующих или возможных физическ их систем, а скорее относится к абстрактным, вычислительным свойствам фо рмализованных компьютерных программ, которые могут быть реализованы в любом материале, лишь бы он был способен выполнять эти программы. Доволь но большое число специалистов по искусственному интеллекту (ИИ) полагаю т, что на второй вопрос следует ответить положительно; другими словами, о ни считают, что составив правильные программы с правильными входами и вы ходами, они действительно создадут разум. Более того, они полагают, что им еют в своем распоряжении научный тест, с помощью которого можно судить о б успехе или неудаче такой попытки. На сегодняшний д ень проблема исследования AI занимает актуальное место в системе информационных наук. В св оем реферате я попытаюсь рассмотреть проблемы создания и воплощения ис кусственного интеллекта в жизнь, также освещу историю создания и наибол ее перспективные разработки в этой области. 1. История р азвития AI Как и любая основополагающая наука " Искусственный интеллект " имеет достато чно богатую историю. Можно выделить как теоретическую, так и эксперимент альную части. Суть науки " Искусственный интеллект " лучше всего от ражают слова "Дух в машине", при этом не столь важно развитие отдельно поня тий о машине и духе, как важно их сочетание. Но в то же время понятно, что чем более развиты представления о машине, чем они более совершенны с одной с тороны, и чем мы более знаем о духе с другой стороны - тем о более скажем так мощном ИИ мы можем говорить. Но отличает науку " Искусственный интеллект " от Вычислител ьной техники (Информатики) с одной стороны и от Медицины (Биологии) с друго й - это именно связь одного с другим. И только при наличии этой связи мы мож ем говорить о достижениях в области ИИ, а не отдельно в областях Информат ики или Биологии. Этому вопросу уделяется особенно большое значение в те оретической части, а для подтверждения теорий как и в других науках испо льзуется эксперимент. Но исторически появление теорий и первых экспери ментов всегда разнесено во времени. Поэтому начала теории обычно относя т к философии искусственного инте ллекта , и т олько с появлением первых экспериментов теория приобретает самостояте льное значение. Причем саму теорию "Искусственного интеллекта", которая сейчас находится на рубеже с философией, не нужно совмещать с теорией ма тематических, алгоритмических, робототехнических, физиологических и п рочих методов, которые имеют собственное значение в соответствующих на уках. Сейчас четкого различия между рядом связанных наук и собственно "И скусственным интеллектом" найти очень сложно, а тем более различить теор етические и экспериментальный разделы науки. И здесь главную помощь мож ет оказать история становления и развития науки " Искусственный интеллект ". Исторически сложились три основн ых направления в моделировании ИИ. В рамках первого подхода объектом исследований являются структура и ме ханизмы работы мозга человека, а конечная цель заключается в раскрытии т айн мышления. Необходимыми этапами исследований в этом направлении явл яются построение моделей на основе психофизиологических данных, прове дение экспериментов с ними, выдвижение новых гипотез относительно меха низмов интеллектуальной деятельности, совершенствование моделей и т. д. Второй подход в качестве объекта исследования рассматривает ИИ. Здесь р ечь идет о моделировании интеллектуальной деятельности с помощью вычи слительных машин. Целью работ в этом направлении является создание алго ритмического и программного обеспечения вычислительных машин, позволя ющего решать интеллектуальные задачи не хуже человека. Наконец, третий подход ориентирован на создание смешанных человеко-маш инных, или, как еще говорят, интерактивных интеллектуальных систем, на си мбиоз возможностей естественного и искусственного интеллекта. Важнейш ими проблемами в этих исследованиях является оптимальное распределени е функций между естественным и искусственным интеллектом и организаци я диалога между человеком и машиной. Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Х отя, правда здесь надо отметить еще кибернетические игрушки типа "электр онной мыши" Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла "исследовать" лабиринт, и находить выход из него. А кроме т ого, помещенная в уже известный ей лабиринт, она не искала выход, а сразу ж е, не заглядывая в тупиковые ходы, выходила из лабиринта. Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, причем в ходе игры машина обучается или, по крайней мере, создает впечатление, что обучается, улучш ая свою игру на основе накопленного опыта. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в СШ А и победила. Каким образом машине удалось достичь столь высокого класса игры? Естественно, что в машину были программно заложены правила игры так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно не которому критерию качества игры. В шашках (как и в шахматах) обычно невыго дно терять свои фигуры, и, напротив, выгодно брать фигуры противника. Игро к (будь он человек или машина), который сохраняет подвижность своих фигур и право выбора ходов и в то же время держит под боем большое число полей на доске, обычно играет лучше своего противника, не придающего значения эт им элементам игры. Описанные критерии хорошей игры сохраняют свою силу н а протяжении всей игры, но есть и другие критерии, которые относятся к отд ельным ее стадиям — дебюту, миттэндшпилю, эндшпилю. Разумно сочетая такие критерии (например в виде линейной комбинации с эк спериментально подбираемыми коэффициентами или более сложным образом ), можно для оценки очередного хода машины получить некоторый числовой п оказатель эффективности — оценочную функцию. Тогда машина, сравнив меж ду собой показатели эффективности очередных ходов, выберет ход, соответ ствующий наибольшему показателю. Подобная автоматизация выбора очеред ного хода не обязательно обеспечивает оптимальный выбор, но все же это к акой-то выбор, и на его основе машина может продолжать игру, совершенству я свою стратегию (образ действия) в процессе обучения на прошлом опыте. Фо рмально обучение состоит в подстройке параметров (коэффициентов) оцено чной функции на основе анализа проведенных ходов и игр с учетом их исход а. По мнению А. Самуэля, машина, использующая этот вид обучения, может научит ься играть лучше, чем средний игрок, за относительно короткий период вре мени. Можно сказать, что все эти элементы интеллекта, продемонстрированные ма шиной в процессе игры в шашки, сообщены ей автором программы. Отчасти это так. Но не следует забывать, что программа эта не является "жесткой", заран ее продуманной во всех деталях. Она совершенствует свою стратегию игры в процессе самообучения. И хотя процесс "мышления" у машины существенно от личен оттого, что происходит в мозгу играющего в шашки человека, она спос обна у него выиграть. Ярким примером сложной интеллектуальной игры до недавнего времени явл ялись шахматы. В 1974 г. состоялся межд ународный шахматный турнир машин, снабженных соответствующими програм мами. Как известно, победу на этом турнире одержала советская машина с ша хматной программой "Каисса". Почему здесь употреблено "до недавнего времени"? Дело в том, что недавние с обытия показали, что несмотря на довольно большую сложность шахмат, и не возможность, в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на по беду. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Касп арова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100'000'000 ходов в секун ду. До недавнего времени редкостью был компьютер, могущий делать такое к оличество целочисленных операций в секунду, а здесь мы говорим о ходах, к оторые должны быть сгенерированы и для которых просчитаны оценочные фу нкции. Хотя с другой стороны, этот пример говорит о могуществе и универса льности переборных алгоритмов. В настоящее время существуют и успешно применяются программы, позволяю щие машинам играть в деловые или военные игры, имеющие большое прикладно е значение. Здесь также чрезвычайно важно придать программам присущие ч еловеку способность к обучению и адаптации. Одной из наиболее интересны х интеллектуальных задач, также имеющей огромное прикладное значение, я вляется задача обучения распознавания образов и ситуаций. Решением ее з анимались и продолжают заниматься представители различных наук — физ иологи, психологи, математики, инженеры. Такой интерес к задаче стимулир овался фантастическими перспективами широкого практического использ ования результатов теоретических исследований: читающие автоматы, сис темы ИИ, ставящие медицинские диагнозы, п роводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации. В 1957 г. американский физиолог Ф. Розе нблатт предложил модель зрительного восприятия и распознавания — пер цептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным н е только физ иологам, но и представителям других областей знания и породило большой п оток теоретических и экспериментальных исследований. Перцептрон или любая программа, имитирующая процесс распознавания, раб отают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя , предъявляет машине объекты и о каждом их них сообщает, к какому понятию ( классу) он принадлежит. По этим данным строится решающее правило, являющ ееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее пре дъявленных), и она должна их классифицировать, по возможности, правильно. Проблема обучения распознаванию тесно связана с другой интеллектуальн ой задачей — проблемой перевода с одного языка на другой, а также обучен ия машины языку. При достаточно формальной обработке и классификации ос новных грамматических правил и приемов пользования словарем можно соз дать вполне удовлетворительный алгоритм для перевода, скажем научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-г. Однако для того, чтобы связно перевести достаточно большой ра зговорный текст, необходимо понимать его смысл. Работы над такими програ ммами ведутся уже давно, но до полного успеха еще далеко. Имеются также пр ограммы, обеспечивающие диалог между человеком и машиной на урезанном е стественном языке. Что же касается моделирования логического мышления, то хорошей модельн ой задачей здесь может служить задача автоматизации доказательства те орем. Начиная с 1960 г., был разработан р яд программ, способных находить доказательства теорем в исчислении пре дикатов первого порядка. Эти программы обладают, по словам американског о специалиста в области ИИ Дж. Маккатти, "здравым смыслом", т. е. способность ю делать дедуктивные заключения. В программе К. Грина и др., реализующей вопросно-ответную систему, знания з аписываются на языке логики предикатов в виде набора аксиом, а вопросы, з адаваемые машине, формулируются как подлежащие доказательству теоремы . Большой интерес представляет "интеллектуальная" программа американск ого математика Хао Ванга. Эта программа за 3 минуты работы IBM-704 вывела 220 отно сительно простых лемм и теорем из фундаментальной математической моно графии, а затем за 8.5 мин выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена математиками. Правда, до сих пор ни о дна программа не вывела и не доказала ни одной теоремы, которая бы, что наз ывается "позарез" была бы нужна математикам и была бы принципиально ново й. Очень большим направлением систем ИИ является роботехника. В чем основн ое отличие интеллекта робота от интеллекта универсальных вычислительн ых машин? Для ответа на этот вопрос уместно вспомнить принадлежащее великому рус скому физиологу И. М. Сеченову высказывание: "… все бесконечное разнообра зие внешних проявлений мозговой деятельности сводится окончательно ли шь к одному явлению — мышечному движению". Другими словами, вся интеллек туальная деятельность человека направлена в конечном счете на активно е взаимодействие с внешним миром посредством движений. Точно так же элем енты интеллекта робота служат прежде всего для организации его целенап равленных движений. В то же время основное назначение чисто компьютерны х систем ИИ состоит в решении интеллектуальных задач, носящих абстрактн ый или вспомогательный характер, которые обычно не связаны ни с восприят ием окружающей среды с помощью искусственных органов чувств, ни с органи зацией движений исполнительных механизмов. Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появ ились очуствленные роботы, которые управлялись универсальными компьют ерами. К примеру в 1969 г. в Электротехн ической лаборатории (Япония) началась разработка проекта "промышленный интеллектуальный робот". Цель этой разработки — создание очуствленног о манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем. Манипулятор робота имеет шесть степеней свободы и управляется мини-ЭВМ NEAC-3100 (объем оперативной памяти 32000 слов, объем внешней памяти на магнитных д исках 273000 слов), формирующей требуемое программное движение, которое отра батывается следящей электрогидравлической системой. Схват манипулято ра оснащен тактильными датчиками. В качестве системы зрительного восприятия используются две телевизион ные камеры, снабженные красно-зелено-синими фильтрами для распознавани я цвета предметов. Поле зрения телевизионной камеры разбито на 64*64 ячеек. В результате обработки полученной информации грубо определяется област ь, занимаемая интересующим робота предметом. Далее, с целью детального и зучения этого предмета выявленная область вновь делится на 4096 ячеек. В то м случае, когда предмет не помещается в выбранное "окошко ", оно автоматиче ски перемещается, подобно тому, как человек скользит взглядом по предмет у. Робот Электротехнической лаборатории был способен распознавать про стые предметы, ограниченные плоскостями и цилиндрическими поверхностя ми при специальном освещении. Стоимость данного экспериментального об разца составляла примерно 400000 долларов. Постепенно характеристики роботов монотонно улучшались, Но до сих пор о ни еще далеки по понятливости от человека, хотя некоторые операции уже в ыполняют на уровне лучших жонглеров. К примеру удерживают на лезвии ножа шарик от настольного тенниса. Еще пожалуй здесь можно выделить работы киевского Института кибернети ки, где под руководством Н. М. Амосова и В. М. Глушкова (ныне покойного) ведет ся комплекс исследований, направленных на разработку элементов интелл екта роботов. Особо е внимание в этих исследованиях уделяется проблемам распознавания изображений и речи, логического вывода (автоматического доказательства теорем) и управления с помощью нейроподобных сетей. К примеру можно рассмотреть созданный еще в 70-х годах макет транспортног о автономного интегрального робота (ТАИР). Конструктивно ТАИР представл яет собой трехколесное шасси, на котором смонтирована сенсорная систем а и блок управления. Сенсорная система включает в себя следующие средств а очуствления: оптический дальномер, навигационная система с двумя ради омаяками и компасом, контактные датчики, датчики углов наклона тележки, таймер и др. И особенность, которая отличает ТАИР от многих других систем, созданных у нас и за рубежом, это то, что в его составе нет компьютера в том виде, к которому мы привыкли. Основу системы управления составляет борто вая нейроподобная сеть, на которой реализуются различные ал горитмы обработки сенсорной инф ормац ии, планирования поведения и управления движением робота. В конце данного очень краткого обзора рассмотрим примеры крупномасшта бных экспертных систем. MICIN — экспертная система для медицинской диагностики. Разработана групп ой по инфекционным заболеваниям Стенфордского университета. Ставит со ответствующий диагноз, ис ходя из представленных ей симпт омов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 пр авил. PUFF — анализ нарушения дыхания. Данная система представляет собой MICIN, из ко торой удалили данные по инфекциям и вставили данные о легочных заболева ниях. DENDRAL — распознавание химических структур. Данная система старейшая, из им еющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. По по ль зователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитно го резонанса и масс-спектрометрии), и та в свою очередь выдае т диагноз в виде соответствующе й химич еской структуры. PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых. 2. Перспективы и тенденции развития AI Сообщения об уникальных достижениях специалист ов в области искусственного интеллекта (ИИ), суливших невиданные возможн ости, пропали со страниц научно-популярных изданий много лет назад. Эйфо рия, связанная с первыми практическими успехами в сфере ИИ, прошла довол ьно быстро, потому что перейти от исследования экспериментальных компь ютерных моделей к решению прикладных задач реального мира оказалось го раздо сложнее, чем предполагалось. На трудности такого перехода обратил и внимание специалисты всего мира, и после детального анализа выяснилос ь, что практически все проблемы связаны с нехваткой ресурсов двух типов: компьютерных (вычислительной мощности, емкости оперативной и внешней п амяти) и людских (наукоемкая разработка интеллектуального ПО требует пр ивлечения ведущих специалистов из разных областей знания и организаци и долгосрочных исследовательских проектов). К сегодняшнему дню ресурсы первого типа вышли (или выйдут в ближайшие пять-десять лет) на уровень, поз воляющий системам ИИ решать весьма сложные для человека практические з адачи. А вот с ресурсами второго типа ситуация в мире даже ухудшается - име нно поэтому достижения в сфере ИИ связываются в основном с небольшим чис лом ведущих ИИ-центров при крупнейших университетах. 2.1 Нейронные сети Это направление стабильно держится на первом ме сте. Продолжается совершенствование алгоритмов обучения и классификац ии в масштабе реального времени, обработки естественных языков, распозн авания изображений, речи, сигналов, а также создание моделей интеллектуа льного интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей, - финансовое прогн озирование, раскопка данных, диагностика систем, контроль за деятельнос тью сетей, шифрование данных. В последние годы идет усиленный поиск эффе ктивных методов синхронизации работы нейронных сетей на параллельных устройствах. 2.2 Эволюционные вычисления На развитие сферы эволюционных вычислений (ЭВ; ав тономное и адаптивное поведение компьютерных приложений и робототехни ческих устройств) значительное влияние оказали прежде всего инвестици и в нанотехнологии. ЭВ затрагивают практические проблемы самосборки, са моконфигурирования и самовосстановления систем, состоящих из множеств а одновременно функционирующих узлов. При этом удается применять научн ые достижения из области цифровых автоматов. Другой аспект ЭВ - использо вание для решения повседневных задач автономных агентов в качестве пер сональных секретарей, управляющих личными счетами, ассистентов, отбира ющих нужные сведения в сетях с помощью поисковых алгоритмов третьего по коления, планировщиков работ, личных учителей, виртуальных продавцов и т . д. Сюда же относится робототехника и все связанные с ней области. Основны е направления развития - выработка стандартов, открытых архитектур, инте ллектуальных оболочек, языков сценариев/запросов, методологий эффекти вного взаимодействия программ и людей. Модели автономного поведения пр едполагается активно внедрять во всевозможные бытовые устройства, спо собные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п. В дальнейшем для решения сложных задач (быстрого исследования соде ржимого Сети, больших массивов данных наподобие геномных) будут использ оваться коллективы автономных агентов. Для этого придется заняться изу чением возможных направлений эволюции подобных коллективов, планирова ния совместной работы, способов связи, группового самообучения, коопера тивного поведения в нечетких средах с неполной информацией, коалиционн ого поведения агентов, объединяющихся "по интересам", научиться разрешат ь конфликты взаимодействия и т. п. Особняком стоят социальные аспекты - ка к общество будет на практике относиться к таким сообществам интеллекту альных программ. 2.3 Нечеткая логика Системы нечеткой логики активнее всего будут пр именяться преимущественно в гибридных управляющих системах. 2.4 Обработка изображений Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использование м различных протоколов, обработка биометрических образов, снимков со сп утников), независимых от устройств воспроизведения, оптимизации цветов ого представления на экране и при выводе на печать, распределенных метод ов получения изображений. Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации з ащиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов. 2.5 Экспертные системы Спрос на экспертные системы остается на достато чно высоком уровне. Наибольшее внимание сегодня привлечено к системам п ринятия решений в масштабе времени, близком к реальному, средствам хране ния, извлечения, анализа и моделирования знаний, системам динамического планирования. 2.6 Интеллектуальные приложен ия Рост числа интеллектуальных приложений, способн ых быстро находить оптимальные решения комбинаторных проблем (возника ющих, например, в транспортных задачах), связан с производственным и пром ышленным ростом в развитых странах. 2.7 Распределенные вычисления Распространение компьютерных сетей и создание в ысокопроизводительных кластеров вызвали интерес к вопросам распредел енных вычислений - балансировке ресурсов, оптимальной загрузке процесс оров, самоконфигурированию устройств на максимальную эффективность, о тслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, мод елированию подобных систем. 2.8 ОС РВ Появление автономных робототехнических устрой ств повышает требования к ОС реального времени - организации процессов с амонастройки, планирования обслуживающих операций, использования сред ств ИИ для принятия решений в условиях дефицита времени. 2.9 Интеллектуальная инженерия Особую заинтересованность в ИИ проявляют в посл едние годы компании, занимающиеся организацией процессов разработки к рупных программных систем (программной инженерией). Методы ИИ все чаще и спользуются для анализа исходных текстов и понимания их смысла, управле ния требованиями, выработкой спецификаций, проектирования, кодогенера ции, верификации, тестирования, оценки качества, выявления возможности п овторного использования, решения задач на параллельных системах. Программная инженерия постепенно превращается в так называемую интелл ектуальную инженерию, рассматривающую более общие проблемы представле ния и обработки знаний (пока основные усилия в интеллектуальной инженер ии сосредоточены на способах превращения информации в знания). 2.10 Самоорганизующиеся СУБД Самоорганизующиеся СУБД будут способны гибко по дстраиваться под профиль конкретной задачи и не потребуют администрир ования. 2.11 AI для анализат орских функций Автоматический анализ естественных языков (лекс ический, морфологический, терминологический, выявление незнакомых сло в, распознавание национальных языков, перевод, коррекция ошибок, эффекти вное использование словарей). Высокопроизводительный OLAP-анализ и раскопка данных, способ ы визуального задания запросов. Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хи рургических операций. Со здание полностью автоматизированных киберзаводов, гибкие экономные пр оизводства, быстрое прототипирование, планирование работ, синхронизац ия цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей. Небольшое число конференций посвящено выработке прикладных методов, н аправленных на решение конкретных задач промышленности в области фина нсов, медицины и математики. Традиционно высок интерес к ИИ в среде разработчиков игр и развлекатель ных программ (это отдельная тема). Среди новых направлений их исследован ий - моделирование социального поведения, общения, человеческих эмоций, творчества. 2.12 Военные технологии Исследования в области нейронных сетей, позволя ющих получить хорошие (хотя и приближенные) результаты при решении сложн ых задач управления, часто финансирует военное научное агентство DARPA. При мер - проект Smart Sensor Web, который предусматривает организацию распределенной с ети разнообразных датчиков, синхронно работающих на поле боя. Каждый объ ект (стоимостью не более $300) в такой сети представляет собой источник данн ых - визуальных, электромагнитных, цифровых, инфракрасных, химических и т. п. Проект требует новых математических методов решения многомерных зад ач оптимизации. Ведутся работы по автоматическому распознаванию целей, анализу и предсказанию сбоев техники по отклонениям от типовых парамет ров ее работы (например, по звуку). Операция "Буря в пустыне" стала стимулом к развитию экспертн ых систем с продвинутым ИИ, применяемым в области снабжения. На разработ ках, связанных с технологиями машинного зрения, основано все высокоточн ое оружие В СМИ нередко мо жно прочитать о грядущих схватках самостоятельно действующих армий са моходных машин-роботов и беспилотных самолетов. Однако существует ряд н ерешенных научных проблем, не позволяющих в ближайшие десятилетия прев ратить подобные прогнозы в реальность. Прежде всего это недостатки сист ем автоматического распознавания, не способных правильно анализироват ь видеоинформацию в масштабе реального времени. Не менее актуальны зада чи разрешения коллизий в больших сообществах автономных устройств, абс олютно точного распознавания своих и чужих, выбора подлежащих уничтоже нию целей, алгоритмов поведения в незнакомой среде и т. п. Поэтому на практ ике военные пытаются достичь менее масштабных целей. Значительные усил ия вкладываются в исследования по распознаванию речи, создаются экспер тные и консультационные системы, призванные автоматизировать рутинные работы и снизить нагрузку на пилотов. Нейронные сети достаточно эффекти вно применяются для обработки сигналов сонаров и отличения подводных к амней от мин. Генетические алгоритмы используются для эвристического п оиска решения уравнений, определяющих работу военных устройств (систем ориентации, навигации), а также в задачах распознавания - для разделения и скусственных и естественных объектов, распознавания типов военных маш ин, анализа изображения, получаемого от камеры с низким разрешением или инфракрасных датчиков. 3. Искусственный интеллект, как направление иссл едований В понятие "искусственный интеллект" вкладываетс я различный смысл - от признания интеллекта у ЭВМ, решающих логические ил и даже любые вычислительные задачи, до отнесения к интеллектуальным лиш ь тех систем, которые решают весь комплекс задач, осуществляемых человек ом, или еще более широкую их совокупность. Постараемся же вычленить тот с мысл понятия "искусственный интеллект", который в наибольшей степени соо тветствует реальным исследованиям в этой области. В исследованиях по искусственному интеллекту уч еные отвлекаются от сходства процессов, происходящих в технической сис теме или в реализуемых ею программах, с мышлением человека. Если система решает задачи, которые человек обычно решает посредством своего интелл екта, то мы имеем дело с системой искусственного интеллекта. Однако это ограничение недостаточно. С оздание традиционных программ для ЭВМ- работа программиста - не есть кон струирование искусственного интеллекта. Какие же задачи, решаемые техн ическими системами, можно рассматривать как конституирующие искусстве нный интеллект? Чтобы ответит ь на этот вопрос, надо уяснить, прежде всего, что такое задача. Как отмечаю т психологи, этот термин тоже не является достаточно определенным. По-ви димому, в качестве исходного можно принять понимание задачи как мыслите льной задачи, существующее в психологии. Они подчеркивают, что задача ес ть только тогда, когда есть работа для мышления, т. е. когда имеется некото рая цель, а средства к ее достижению не ясны; их надо найти посредством мыш ления. Хорошо по этому поводу сказал замечательный математик Д. Пойа: "...тр удность решения в какой-то мере входит в само понятие задачи: там, где нет трудности, нет и задачи". Если человек имеет очевидное средство, с помощью которого, наверное, можно осуществить желание, поясняет он, то задачи не в озникает. Если человек обладает алгоритмом решения некоторой задачи и и меет физическую возможность его реализации, то задачи в собственном смы сле уже не существует. Так пон имаемая задача, в сущности, тождественна проблемной ситуации, и решается она посредством преобразования последней. В ее решении участвуют не тол ько условия, которые непосредственно заданы. Человек использует любую н аходящуюся в его памяти информацию, "модель мира", имеющуюся в его психике и включающую фиксацию разнообразных законов, связей, отношений этого ми ра. Если задача не является мы слительной, то она решается на ЭВМ традиционными методами и, значит, не вх одит в круг задач искусственного интеллекта. Ее интеллектуальная часть выполнена человеком. На долю машины осталась часть работы, которая не тр ебует участия мышления, т. е. "бессмысленная", неинтеллектуальная. Под словом "машина" здесь понимается машина вместе с ее совокупным математическим обеспечением, включающим не только программы, но и необходимые для решения задач "модели мира". Недо статком такого понимания является главным образом его антропоморфизм. Задачи, решаемые искусственным интеллектом, целесообразно определить таким образом, чтобы человек, по крайней мере, в определении отсутствова л. Основная функция мышления заключается в выработке схем целесообразн ых внешних действий в бесконечно варьирующих условиях. Специфика челов еческого мышления (в отличие от рассудочной деятельности животных) сост оит в том, что человек вырабатывает и накапливает знания, храня их в своей памяти. Выработка схем внешних действий происходит не по принципу "стиму л - реакция", а на основе знаний, получаемых дополнительно из среды, для пов едения в которой вырабатывается схема действия. Этот способ выработки схем внешних действий (а не про сто действия по командам, пусть даже меняющимся как функции от времени и ли как однозначно определенные функции от результатов предшествующих шагов) является существенной характеристикой любого интеллекта. Отсюд а следует, что к системам искусственного интеллекта относятся те, которы е, используя заложенные в них правила переработки информации, вырабатыв ают новые схемы целесообразных действий на основе анализа моделей сред ы, хранящихся в их памяти. Способность к перестройке самих этих моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня искусственного интеллекта. Большинство исследователей считают наличие соб ственной внутренней модели мира у технических систем предпосылкой их "и нтеллектуальности". Формирование такой модели связано с преодолением с интаксической односторонности системы, т.е. с тем, что символы или та их ча сть, которой оперирует система, интерпретированы, имеют семантику. Характеризуя особенности систе м искусственного интеллекта, специалисты указывают на: 1) наличие в них собственной внутренней м одели внешнего мира; эта модель обеспечивает индивидуальность, относит ельную самостоятельность системы в оценке ситуации, возможность семан тической и прагматической интерпретации запросов к системе; 2) способность пополнения имеющихся зна ний; 3) способность к дедуктивн ому выводу, т.е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационн ую структуру с новой семантикой и практической направленностью; 4) умение оперировать в ситуациях, свя занных с различными аспектами нечеткости, включая "понимание" естествен ного языка; 5) способность к диа логовому взаимодействию с человеком; 6) способность к адаптации. На вопрос, все ли перечисленные условия обязательны, необх одимы для признания системы интеллектуальной, ученые отвечают по-разно му. В реальных исследованиях, как правило, признается абсолютно необходи мым наличие внутренней модели внешнего мира, и при этом считается достат очным выполнение хотя бы одного из перечисленных выше условий. П. Армер выдвинул мысль о "континууме интеллекта": различные системы могут сопоставляться не только как имеющ ие и не имеющие интеллекта, но и по степени его развития. При этом, считает он, желательно разработать шкалу уровня интеллекта, учитывающую степен ь развития каждого из его необходимых признаков. Известно, что в свое вре мя А.Тьюринг предложил в качестве критерия, определяющего, может ли маши на мыслить, "игру в имитацию". Согласно этому критерию, машина может быть п ризнана мыслящей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не сможет отличить ее ответов от ответов человека. Критерий Тьюринга в литературе б ыл подвергнут критике с различных точек зрения. Действительно серьезны й аргумент против этого критерия заключается в том, что в подходе Тьюрин га ставится знак тождества между способностью мыслить и способностью к решению задач переработки информации определенною типа. Успешная "игра в имитацию" не может без тщательного предварительного анализа мышления как целостности быть признана критерием способности машины к мышлению. Однако этот аргумент бьет мим о цели, если мы говорим не о мыслящей машине, а об искусственном интеллект е, который должен лишь продуцировать физические тела знаков, интерпрети руемые человеком в качестве решений определенных задач. Поэтому прав В.М . Глушков, утверждая, что наиболее естественно, следуя Тьюрингу, считать, ч то некоторое устройство, созданное человеком, представляет собой искус ственный интеллект, если, ведя с ним достаточно долгий диалог по более ил и менее широкому кругу вопросов, человек не сможет различить, разговарив ает он с разумным живым существом или с автоматическим устройством. Если учесть возможность разработки программ, специально рассчитанных на вв едение в заблуждение человека, то, возможно, следует говорить не просто о человеке, а о специально подготовленном эксперте. Этот критерий, на взгл яд многих ученых, не противоречит перечисленным выше особенностям сист емы искусственного интеллекта. Но что значит по "достаточно широкому кругу вопросов", о кото ром идет речь в критерии Тьюринга и в высказывании В.М.Глушкова? На началь ных этапах разработки проблемы искусственного интеллекта ряд исследов ателей, особенно занимающихся эвристическим программированием, ставил и задачу создания интеллекта, успешно функционирующего в любой сфере де ятельности. Это можно назвать разработкой "общего интеллекта". Сейчас бо льшинство работ направлено на создание "профессионального искусственн ого интеллекта", т. е. систем, решающих интеллектуальные задачи из относит ельно ограниченной области (например, управление портом, интегрировани е функций, доказательство теорем геометрии и т.п.). В этих случаях "достато чно широкий круг вопросов" должен пониматься как соответствующая облас ть предметов. Исходным пункто м рассуждений об искусственном интеллекте было определение такой сист емы как решающей мыслительные задачи. Но перед нею ставятся и задачи, кот орые люди обычно не считают интеллектуальными, поскольку при их решении человек сознательно не прибегает к перестройке проблемных ситуаций. К и х числу относится, например, задача распознания зрительных образов. Чело век узнает человека, которого видел один-два раза, непосредственно в про цессе чувственного восприятия. Исходя из этого, кажется, что эта задача н е является интеллектуальной. Но в процессе узнавания человек не решает м ыслительных задач лишь постольку, поскольку программа распознания не н аходится в сфере осознанного. Но так как в решении таких задач на неосозн анном уровне участвует модель среды, хранящаяся в памяти, то эти задачи, в сущности, являются интеллектуальными. Соответственно и система, котора я ее решает, может считаться интеллектуальной. Тем более это относится к " пониманию" машиной фраз на естественном языке, хотя человек в этом не усм атривает обычно проблемной ситуации. Теория искусственного интеллекта при решении многих зада ч сталкивается с гносеологическими проблемами. Одна из таких проблем состоит в выяснении вопроса, до казуема ли теоретически (математически) возможность или невозможность искусственного интеллекта. На этот счет существуют две точки зрения. Одн и считают математически доказанным, что ЭВМ в принципе может выполнить л юбую функцию, осуществляемую естественным интеллектом. Другие полагаю т в такой же мере доказанным математически, что есть проблемы, решаемые ч еловеческим интеллектом, которые принципиально недоступны ЭВМ. Эти взг ляды высказываются как кибернетиками, так и философами. Знание – основа интеллектуальной сист емы Многие виды умственной де ятельности человека, такие, как написание программ для вычислительной м ашины, занятие математикой, ведение рассуждений на уровне здравого смыс ла и даже вождение автомобиля – требуют "интеллекта". На протяжении посл едних десятилетий было построено несколько типов компьютерных систем, способных выполнять подобные задачи. Имеются системы, способные диагностировать заболевания, п ланировать синтез сложных синтетических соединений, решать дифференци альные уравнения в символьном виде, анализировать электронные схемы, по нимать ограниченный объем человеческой речи и естественного языкового текста. Можно сказать, что такие системы обладают в, некоторой степени, ис кусственным интеллектом. Раб ота по построению таких систем проводится в области, получившей названи е искусственный интеллект (ИИ). При реализации интеллектуальных функций непременно прис утствует информация, называемая знаниями. Другими словами, интеллектуа льные системы являются в то же время системами обработки знаний. В настоящее время в исследованиях п о искусственному интеллекту выделились несколько основных направлени й. 1. Представление знаний. В ра мках этого направления решаются задачи, связанные с формализацией и пре дставлением знаний в памяти системы ИИ. Для этого разрабатываются специ альные модели представления знаний и языки описания знаний, внедряются различные типы знаний. Проблема представления знаний является одной из основных проблем для системы ИИ, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти. 2. Манипулирование знаниями. Ч тобы знаниями можно было пользоваться при решении задачи, следует научи ть систему ИИ оперировать ими. В рамках данного направления разрабатыва ются способы пополнения знаний на основе их неполных описаний, создаютс я методы достоверного и правдоподобного вывода на основе имеющихся зна ний, предлагаются модели рассуждений, опирающихся на знания и имитирующ их особенности человеческих рассуждений. Манипулирование знаниями оче нь тесно связано с представлением знаний, и разделить эти два направлени я можно лишь условно. 3. Общение . В круг задач этого направления входят: проблема понимания и синтеза свя зных текстов на естественном языке, понимание и синтез речи, теория моде лей коммуникаций между человеком и системой ИИ. На основе исследований в этом направлении формируются методы построения лингвистических проце ссов, вопросно-ответных систем, диалоговых систем и других систем ИИ, цел ью которых является обеспечение комфортных условий для общения челове ка с системой ИИ. 4. Восприятие. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зритель ных сцен к их текстовому описанию и методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представле ний в системах ИИ. 5. Обучение. Д ля развития способности систем ИИ к обучению, т.е. к решению задач, с котор ыми они раньше не встречались, разрабатываются методы формирования усл овий задач по описанию проблемной ситуации или по наблюдению за ней, мет оды перехода от известного решения частных задач (примеров) к решению об щей задачи, создание приемов разбиения исходной задачи на более мелкие и уже известные для систем ИИ. В этом направлении ИИ сделано еще весьма мал о. 6. Поведение. Поскольку систе мы ИИ должны действовать в некоторой окружающей среде, то необходимо раз рабатывать некоторые поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами ИИ и людьми. Это направление в ИИ также разработано ещё очень слабо. В последние годы термин "знание" все ч аще употребляется в информатике. Специалисты подчеркивают, что соверше нствование так называемых интеллектуальных систем (информационно-поис ковых систем высокого уровня, диалоговых систем, базирующихся на естест венных языках, интерактивных человеко-машинных систем, используемых в у правлении, проектировании, научных исследованиях) во многом определяет ся тем, насколько успешно будут решаться задачи (проблемы) представления знаний. 3.1 Аспекты представления знаний Неудивительно, что перед теми, кто занимается пр облемой представления знаний, встает вопрос о том, что такое знание, како ва его природа и основные характеристики. В связи с этим предпринимаются , например, попытки дать такое определение знания, из которого можно было бы исходить в решении задач представления знаний в компьютерных систем ах. Представлению данных прис ущ пассивный аспект: книга, таблица, заполненная информацией память. В те ории искусственного интеллекта особо подчеркивается активный аспект п редставления знаний: приобретение знания должно стать активной операц ией, позволяющей не только запоминать, но и применять воспринятые (приоб ретенные, усвоенные) знания для рассуждений на их основе. Использование символического языка, та кого, как язык математической логики, позволяет формулировать описания в форме, одновременно близкой и к обычному языку, и к языку программирова ния. Впрочем, математическая логика позволяет рассуждать, базируясь на п риобретенных знаниях: логические выводы действительно являются активн ыми операциями получения новых знаний из уже усвоенных. Принципиальная мировоззренческая уст ановка состоит в рассмотрении ЭВМ как предмета-посредника в познавател ьной человеческой деятельности. Компьютерная система, подобно другим п редметам-посредникам (орудиям труда и предметам быта, инструментам, приб орам, знаково-символическим системам, научным текстам и т. д.), играя инстр ументальную роль в познании, является средством объективизации накопл енного знания, воплощением определенного социально-исторического опыт а практической и познавательной деятельности. Проблема представления знаний возникла как одна из проблем искусственного интеллекта. Она связана с переходом исследован ий в этой области в некоторую новую фазу. Речь идет о создании практическ и полезных систем (прежде всего так называемых экспертных систем), приме няемых в медицине, геологии, химии. Создание такого рода систем требует и нтенсивных усилий по формализации знания, накопленного в соответствую щей науке. С термином "предста вление знаний" связывается определенный этап в развитии математическо го обеспечения ЭВМ. Если на первом этапе доминировали программы, а данны е играли вспомогательную роль своеобразной "пищи" для "голодных" програм м, то на последующих этапах роль данных неуклонно возрастала. Их структу ра усложнялась: от машинного слова, размещенного в одной ячейке памяти Э ВМ, происходил переход к векторам, массивам, файлам, спискам. Венцом этого развития стали абстрактные типы данных, обеспечивающие возможность со здания такой структуры данных, которая наиболее удобна при решении зада чи. Последовательное развитие структур данных привело к их качественно му изменению и к переходу от представления данных к представлению знани й. Уровень представления знаний отличается от уровня представления дан ных не только более сложной структурой, но и существенными особенностям и: интерпретируемость, наличие классифицируемых связей (например, связь между знаниями, относящихся к элементу множества, и знаниями об этом мно жестве), которые позволяют хранить информацию, одинаковую для всех элеме нтов множества, записанную одноактно при описании самого множества, нал ичие ситуативных отношений (одновременности, нахождения в одной точке п ространства и т. п., эти отношения определяют ситуативную совместимость тех или иных знаний, хранимых в памяти). Кроме того, для уровня знаний хара ктерны такие признаки, как наличие специальных процедур обобщения, попо лнения имеющихся в системе знаний и ряда других процедур. Моделирование на ЭВМ понималось как те хническая реализация определенной формы знакового моделирования. Одна ко, рассматривая ЭВМ в гносеологическом плане в качестве посредника в по знании, имеет смысл не фиксировать внимание, прежде всего на "железной ча сти" (hardware) компьютера, а рассматривать всю компьютерную систему как сложну ю систему взаимосвязанных и до некоторых пределов самостоятельных мод елей - как материальных, так и знаковых, т. е. идеальных. Такой подход не толь ко соответствует рассмотрению компьютерных систем в современной инфор матике, но является и гносеологически оправданным. Многие важные филосо фские аспекты проблем, возникающих в связи с компьютеризацией различны х сфер человеческой деятельности, требуют для своего исследования обра щения, прежде всего, к знаковым составляющим компьютерных систем. Это ве рно и в отношении философских аспектов проблем представления знаний. В последние годы все чаще стал употребляться термин "компьютерное моделирование". Очевидно, имеет смыс л обозначать им построение любого из составляющих компьютерной систем ы - будь то знаковая модель или материальная. Что изменяется в компьютерном моделировании с переход ом от уровня представления данных к уровню представлению знаний? Каков г носеологический смысл этих изменений? С введением термина "знание" появляется свойство "осознава ть", т. е. "понимать" свои интеллектуальные возможности. В свою очередь, это о значает не что иное, как рефлексию. 3.2 Рефлексия Исследования в области искусственного интелле кта возникли под влиянием идей кибернетики - прежде всего идеи общности процессов управления и передачи информации в живых организмах, обществ е и технике, в частности, в компьютерах. Философская приемлемость проблематики искусственного ин теллекта в ее традиционном виде была обусловлена лежащим в ее основе пре дставлением о том, что "порядок и связь идей те же, что порядок и связь веще й". Тем самым создать в компьютере структуру, воспроизводящую "мир идей", о значало попросту создать структуру, изоморфную структуре вещественног о мира, т. е. построить "электронную модель мира". Эта модель интерпретиров алась как компьютерная модель человеческих знаний о мире. Процесс челов еческого мышления интерпретировался в компьютере как машинный поиск т аких трансформаций модели, которые должны были перевести компьютерную модель в некое финальное состояние (например, матовую позицию в шахматах ). Для этого система искусстве нного интеллекта нуждалась в знаниях о том, как осуществлять трансформа ции состояний модели, приводящие к заранее заданной цели - состоянию с оп ределенными свойствами. В первое время было распространено убеждение в принципиальной способности компьютера к самостоятельному исследован ию хранящейся в нем модели, т. е. к самообучению стратегии достижения пост авленной цели. Данная гипотет ическая способность интерпретировалась как возможность машинного тво рчества, как основа создания будущих "мыслящих машин". И, хотя в реально ра зрабатывавшихся системах достижение цели осуществлялось на основе чел овеческого опыта с помощью алгоритмов, основанных на теоретическом ана лизе создаваемых моделей и результатов проводимых на них эксперименто в, идеи построения самообучаемых систем многим казались наиболее персп ективными. Лишь к 80-му году была осознана значимость проблемы использова ния в интеллектуальных системах человеческих знаний о действительност и, повлекшая серьезную разработку баз знаний и методов извлечения личны х знаний экспертов. С развити ем данного направления возникла идея рефлексивного управления. До этог о момента в кибернетике управление рассматривалось как передача объек ту сигналов, непосредственно воздействующих на его поведение, а эффекти вность управления достигалась с помощью обратной связи - получения инфо рмации о реакциях управляемого объекта. Рефлексивное же управление - ест ь передача информации, воздействующей на имеющийся у объекта образ мира . Тем самым обратная связь оказывается излишней - состояние субъекта изв естно передающему информацию, то есть объекту. Традиционные системы искусственного интеллекта ос нованы на идеологии целеориентированного поведения типа шахматной игр ы, где цель обоих партнеров состоит в том, чтобы поставить мат ценой любых жертв. Не случайно именно шахматные программы оказались столь важными д ля отработки методов искусственного интеллекта. Стоит ли считать рефлексию неотъемлемой частью сис тем искусственного интеллекта? Ответом с технической точки зрения может служить следующе е. Как и любая компьютерная программа, наделенная средствами самодиагно стики и самоисправления (а такие средства уже становятся стандартом), т. е . средствами повышения надежности, системы искусственного интеллекта д олжны контролировать происходящие процессы - как внешние, так и внутренн ие. Однако может показаться, что в этом смысле будет достаточным просто р азвитая структура обратных связей. Сразу надо оговориться, что под обрат ной связью следует понимать только ответную реакцию (или получение инфо рмации о ней) после какого-то конкретного действия системы. Обратная свя зь лишь предоставляет данные, информацию, но ни в коей мере не интерпрети рует их. Норбертом Винером в книге "Кибернетика, или управление и связь в ж ивотном и машине" были приведены примеры нарушений нервной системы люде й и их последствия. Так люди с нарушением системы ориентации собственных конечностей в пространстве (не чувствующие своих рук и ног, случай, когда конечности "немеют") должны были визуально контролировать свои действия . Это было типичное нарушение обратной связи. Рефлексия же подразумевает анализ полученной картины. А нализ функционирования собственной модели или модели "всей окружающей действительности" (в рамках поставленной задачи), контроль над ее состоя нием, прогнозирование состояния - есть ни что иное, как реализация рефлек сии. Рефлексия - есть некий метауровень. С применением языков программир ования высокого уровня, таких как Пролог, позволяющий формулировать цел и и строить логические выводы достижимости этих целей, задача реализаци и рефлексии уже может быть частично решена. С их помощью можно построить некую метаструктуру, надстройку, некий метауровень, позволяющий оценив ать поведение предыдущего. Однако, при рассмотрении термина "глубокая ре флексия" или "многоуровневая рефлексия" встает проблема построения моде лей самой системой. Здесь на помощь приходят абстрактные типы данных. Он и позволяют оперировать структурами данных любой конечной сложности. Т аким образом, можно считать, что системы искусственного интеллекта могу т содержать модель рефлексии. Таким образом, считать интеллектуальную систему полноцен ной без умения оценивать, "понимать" свои действия, то есть рефлексироват ь, нельзя. Более того, рефлексию следует считать одним из главных инструм ентов построения поведения систем. Говоря языком математики, рефлексия является необходимым условием существования интеллектуальной систем ы. 3.3 Некоторые подходы к решению проблемы ИИ Механистический подход. Идея создания мыслящих машин "человеческого типа", ко торые думают, двигаются, слышат, говорят, и вообще ведут себя как живые люд и уходит корнями в глубокое прошлое. Еще в античности люди стремились со здать машину, подобную себе. В 1736 г. французский изобретатель Жак д е Вокансон изготовил механического флейтиста в человеческий рост, кото рый исполнял двенадцать мелодий, перебирая пальцами отверстия и дуя в му ндштук, как настоящий музыкант. В середине 1750-х годов Фридрих фон Кнаус, авс трийский автор, служивший при дворе Франциска I, сконструировал серию ма шин, которые умели держать перо и могли писать довольно длинные тексты. Д ругой мастер, Пьер Жак-Дроз из Швейцарии, построил пару изумительных по с ложности механических кукол размером с ребенка: мальчика, пишущего пись ма и девушку, играющую на клавесине. Успехи механики XIX в. стимулировали ещ е более честолюбивые замыслы. Так, в 1830-х годах английский математик Чарль з Бэббидж задумал, правда, так и не завершив, сложный цифровой калькулято р, который он назвал Аналитической машиной; как утверждал Бэббидж, его ма шина в принципе могла бы рассчитывать шахматные ходы. Позднее, в 1914 г., директор одного из испанских т ехнических институтов Леонардо Торрес-и-Кеведо действительно изготови л электромеханическое устройство, способное разыгрывать простейшие ша хматные эндшпили почти также хорошо, как и человек. Но все эти механические устройства имеют лишь от даленное сходство с тем, что может быть названо ИИ, хотя интересны с истор ической точки зрения. Электро нный подход После второй миро вой войны появились устройства, казалось бы, подходящие для достижения з аветной цели – моделирования разумного поведения; это были электронны е цифровые вычислительные машины. К концу 50-х годов все эти увлечения выделились в новую более или менее самостоятельную ветвь информатики, получившую название "иску сственный интеллект". Исследования в области ИИ, первоначально сосредот оченные в нескольких университетских центрах США – Массачусетском те хнологическом институте, Технологическом институте Карнеги в Питтсбур ге, Станфордском университете, - ныне ведутся во многих других университ етах и корпорациях США и других стран. Исследователей ИИ, работающих над созданием мыслящих машин, можно разделить на две группы. Одних интересуе т чистая наука и для них компьютер - лишь инструмент, обеспечивающий возм ожность экспериментальной проверки теорий процессов мышления. Интерес ы другой группы лежат в области техники: они стремятся расширить сферу п рименения компьютеров и облегчить пользование ими. Многие представите ли второй группы мало заботятся о выяснении механизма мышления - они пол агают, что для их работы это едва ли более полезно, чем изучение полета пти ц и самолетостроения. На прот яжении всей своей короткой истории исследователи в области ИИ всегда на ходились на переднем крае информатики. Многие ныне обычные разработки, в том числе усовершенствованные системы программирования, текстовые ре дакторы и программы распознавания образов, в значительной мере рассмат риваются на работах по ИИ. Короче говоря, теории, новые идеи, и разработки ИИ неизменно привлекают внимание тех, кто стремится расширить области п рименения и возможности компьютеров, сделать их более "дружелюбными" то есть более похожими на разумных помощников и активных советчиков, чем те педантичные и туповатые электронные рабы, какими они всегда были. Несмо тря на многообещающие перспективы, ни одну из разработанных до сих пор п рограмм ИИ нельзя назвать "разумной" в обычном понимании этого слова. Это объясняется тем, что все они узко специализированы; самые сложные экспер тные системы по своим возможностям скорее напоминают дрессированных и ли механических кукол, нежели человека с его гибким умом и широким круго зором. Даже среди исследователей ИИ теперь многие сомневаются, что больш инство подобных изделий принесет существенную пользу. Немало критиков ИИ считают, что такого рода ограничения вообще непреодолимы, и решение п роблемы ИИ надо искать не в сфере непосредственно электроники, а где-то з а ее пределами. Кибернетическ ий подход Попытки построить м ашины, способные к разумному поведению, в значительной мере вдохновлены идеями профессора Массачусетского технологического института, Норбер та Винера, одной из выдающихся личностей в интеллектуальной истории Аме рики и всего мира. Помимо математики он обладал широкими познаниями в др угих областях, включая нейропсихологию, медицину, физику и электронику. Винер был убежден, что наиболее перспективны научные исследования в так называемых пограничных областях, которые нельзя конкретно отнести к то й или иной конкретной дисциплины. Они лежат где-то на стыке наук, поэтому к ним обычно не подходят столь строго. "Если затруднения в решении какой-ли бо проблемы психологии имеют математический характер, пояснял он, - то де сять несведущих в математике психологов продвинуться не дальше одного столь же несведущего". Таким образом, междисциплинарность - краеугольный камень современной науки. Винеру и его сотруднику Джулиану Бигелоу прин адлежит разработка принципа "обратной связи", который был успешно примен ен при разработке нового оружия с радиолокационным наведением. Принцип обратной связи заключается в использовании информации, поступающей из окружающего мира, для изменения поведения машины. В основу разработанны х Винером и Бигелоу систем наведения были положены тонкие математическ ие методы; при малейшем изменении отраженных от самолета радиолокацион ных сигналов они соответственно изменяли наводку орудий, то есть - замет ив попытку отклонения самолета от курса, они тотчас рассчитывали его дал ьнейший путь и направляли орудия так, чтобы траектории снарядов и самоле тов пересеклись. В дальнейшем Винер разработал на принципе обратной свя зи теории как машинного, так и человеческого разума. Он доказывал, что име нно благодаря обратной связи все живое приспосабливается к окружающей среде и добивается своих целей. "Все машины, претендующие на разумность", - писал он, - "должны обладать способностью преследовать определенные цели и приспосабливаться, т.е. обучаться". В 1948 году выходит книга Винера, в котор ой он заложил фундамент новой науки, названной им кибернетикой, что в пер еводе с греческого означает рулевой. Следует отметить, что принцип "обра тной связи", введенный Винером, был в какой-то степени предугадан Сеченов ым в описанном им в книге "Рефлексы головного мозга" ( 1863 г.) феномене "центрального торможения", т. е. почти за 100 лет до Винера, и рассматривался как механизм регуляции деятельности нервной системы, и который лег в основу многих моделей произвольного пов едения в отечественной психологии. Заключение Ключевым фактором, определяющим сегодня развити е ИИ-технологий, считается темп роста вычислительной мощности компьюте ров, так как принципы работы человеческой психики по-прежнему остаются н еясными (на доступном для моделирования уровне детализации). Поэтому тем атика ИИ-конференций выглядит достаточно стандартно и по составу почти не меняется уже довольно давно. Но рост производительности современных компьют еров в сочетании с повышением качества алгоритмов периодически делает возможным применение различных научных методов на практике. Так случил ось с интеллектуальными игрушками, так происходит с домашними роботами. Снова будут интенсивно развиваться временно забытые методы простого п еребора вариантов (как в шахматных программах), обходящиеся крайне упрощ енным описанием объектов. Но с помощью такого подхода (главный ресурс дл я его успешного применения - производительность) удастся решить, как ожи дается, множество самых разных задач (например, из области криптографии). Уверенно действовать автономным устройствам в сложном мире помогут до статочно простые, но ресурсоемкие алгоритмы адаптивного поведения. При этом ставится цель разрабатывать системы, не внешне похожие на человека , а действующие, как человек. Ученые пытаются заглянуть и в более отдаленное бу дущее. Можно ли создать автономные устройства, способные при необходимо сти самостоятельно собирать себе подобные копии (размножаться)? Способн а ли наука создать соответствующие алгоритмы? Сможем ли мы контролирова ть такие машины? Ответов на эти вопросы пока нет. Продолжится активное вн едрение формальной логики в прикладные системы представления и обрабо тки знаний. В то же время такая логика не способна полноценно отразить ре альную жизнь, и произойдет интеграция различных систем логического выв ода в единых оболочках. При этом, возможно, удастся перейти от концепции д етального представления информации об объектах и приемов манипулирова ния этой информацией к более абстрактным формальным описаниям и примен ению универсальных механизмов вывода, а сами объекты будут характеризо ваться небольшим массивом данных, основанных на вероятностных распред елениях характеристик. Сфера ИИ, ставшая зрелой наукой, развивается пост епенно - медленно, но неуклонно продвигаясь вперед. Поэтому результаты д остаточно хорошо прогнозируемы, хотя на этом пути не исключены и внезапн ые прорывы, связанные со стратегическими инициативами. Литература 1. Ильясов Ф. Н. Разум искусственный и естественный//Известия АН Туркменской ССР, серия общест венных наук. 1986. № 6. С. 46-54 2. Пенроу з. Р. Новый ум короля. О компьютерах, мышлении и законах физики. М.: УРСС, 2005. ISBN 5-354-00993-6 3. Гарри Гаррисон. Выбор по Тьюрин гу. М.: Эксмо-Пресс, 1999. 480 с. ISBN 5-04-002906-3 4. В МИРЕ НАУКИ . (Scientific American. Издание на русском языке). 1990. № 3 5. Геннадий Осипов «Искусственный интеллект: состояние исследований и взгляд в буд ущее» 6. "Ростов Телеком" #34 (55) «Искусственный интеллект: новая информационная революция» 7. Хант Э . Искусственный интеллект = Artificial intelligence / Под ред. В. Л. Стефанюка. — М.: Мир, 1978. — 558 с. — 17 700 экз. 8. Люгер Дж. Ф. Искусственный интеллект: страт егии и методы решения сложных проблем = Artificial Intelligence: Structures and Strategies for Complex Problem Solving / Под ред. Н. Н . Куссуль. — 4-е изд.. — М.: Вильямс , 2005. — 864 с. — 2000 экз. — ISBN 5-8459-0437-4 9. Девят ков В. В. Системы искусств енного интеллекта / Гл. ред. И. Б. Фёдоров. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. — 352 с. — (Информатика в техн ическом университете). — 3000 экз. — ISBN 5-7038-1727-7
1Архитектура и строительство
2Астрономия, авиация, космонавтика
 
3Безопасность жизнедеятельности
4Биология
 
5Военная кафедра, гражданская оборона
 
6География, экономическая география
7Геология и геодезия
8Государственное регулирование и налоги
 
9Естествознание
 
10Журналистика
 
11Законодательство и право
12Адвокатура
13Административное право
14Арбитражное процессуальное право
15Банковское право
16Государство и право
17Гражданское право и процесс
18Жилищное право
19Законодательство зарубежных стран
20Земельное право
21Конституционное право
22Конституционное право зарубежных стран
23Международное право
24Муниципальное право
25Налоговое право
26Римское право
27Семейное право
28Таможенное право
29Трудовое право
30Уголовное право и процесс
31Финансовое право
32Хозяйственное право
33Экологическое право
34Юриспруденция
 
35Иностранные языки
36Информатика, информационные технологии
37Базы данных
38Компьютерные сети
39Программирование
40Искусство и культура
41Краеведение
42Культурология
43Музыка
44История
45Биографии
46Историческая личность
47Литература
 
48Маркетинг и реклама
49Математика
50Медицина и здоровье
51Менеджмент
52Антикризисное управление
53Делопроизводство и документооборот
54Логистика
 
55Педагогика
56Политология
57Правоохранительные органы
58Криминалистика и криминология
59Прочее
60Психология
61Юридическая психология
 
62Радиоэлектроника
63Религия
 
64Сельское хозяйство и землепользование
65Социология
66Страхование
 
67Технологии
68Материаловедение
69Машиностроение
70Металлургия
71Транспорт
72Туризм
 
73Физика
74Физкультура и спорт
75Философия
 
76Химия
 
77Экология, охрана природы
78Экономика и финансы
79Анализ хозяйственной деятельности
80Банковское дело и кредитование
81Биржевое дело
82Бухгалтерский учет и аудит
83История экономических учений
84Международные отношения
85Предпринимательство, бизнес, микроэкономика
86Финансы
87Ценные бумаги и фондовый рынок
88Экономика предприятия
89Экономико-математическое моделирование
90Экономическая теория

 Анекдоты - это почти как рефераты, только короткие и смешные Следующий
И вот, словно надеясь на чудо, главный арбитр добавляет к основному времени матча Бразилия-Германия 1 минуту...
Anekdot.ru

Узнайте стоимость курсовой, диплома, реферата на заказ.

Обратите внимание, реферат по информатике и информационным технологиям "История и тенденции развития искусственного интеллекта", также как и все другие рефераты, курсовые, дипломные и другие работы вы можете скачать бесплатно.

Смотрите также:


Банк рефератов - РефератБанк.ру
© РефератБанк, 2002 - 2016
Рейтинг@Mail.ru