Искуственный интеллект

      3.5. Обучение и выявление  закономерностей

      В процессе испытаний экспертных систем выяснилось, что их возможности ограничены объемом информации, хранимой в базе знаний. Возникла задача пополнения и  приобретения знаний в процессе функционирования системы. Данная задача связана с  построением обучающихся систем, которые могут самосовершенствоваться.

      Проблема  создания обучающихся систем интересовала исследователей с момента зарождения ИИ. Так, уже персептрон Ф. Розенблата использовал простейшие правила обучения. А. Сэмюэль (1962 г.) создал программу игры в шашки, которая могла накапливать опыт игры и действовать, исходя из него. Идеи Сэмюэля были восприняты другими исследователями. В 1973 г. П. Уинстон увлекся проблемой обучения на примерах и составил программу "Арки", которая могла на примерах обучаться простейшим понятиям. Крупным шагом вперед в машинном обучении стала программа AQ11, разработанная Р. Михальским (1976 г.). Программа AQ11 могла по данным выводить правила "если-то" для определения заболеваний растений.

      Существенный  вклад в решение проблемы обучения внес Д. Ленат, создав программу "Автоматический математик" (АМ). Эта программа была снабжена определенными знаниями из области чисел и набором эвристических правил, позволяющих устанавливать закономерности. Программа АМ повторно открыла около 200 важных понятий теории чисел. Позже Д. Ленат создал обучающуюся программу EURISKO, которая открыла новый способ построения логического элемента для сверхбольших интегральных схем – трехмерный элемент типа И/ИЛИ.

      Характерной особенностью обучающихся систем является использование индуктивных умозаключений. Индукция – способ рассуждения от частного к общему. Индукция противоположна дедукции – суждению от общего к  частному. Применение индуктивных схем рассуждений позволяет программам обучаться на примерах путем их обобщения. 

      3.6. Общение на естественном  языке

      Одним из основных направлений исследований в области ИИ является разработка программно-аппаратных средств, обеспечивающих общение с компьютером на естественном языке. Решение данной задачи предусматривает как разработку подсистем понимания естественно-языковых (ЕЯ) высказываний, так и генерацию текстов на естественном языке. К обработке естественного языка относится и задача машинного перевода.

      Сложность проблемы ЕЯ–общения можно проиллюстрировать на задаче машинного перевода. Первые программы машинного перевода, базирующиеся на использовании словарей и грамматик, оказались неэффективными. Обусловлено это было, прежде всего, многозначностью естественного языка – одни и те же слова в предложении имеют разный смысл в зависимости от контекста и знаний о предмете общения. Такие знания выходят за рамки знаний морфологии и синтаксиса языка. Для правильной интерпретации ЕЯ–высказываний компьютер должен обладать теми же знаниями, что и пользователь. Это требует создания больших баз знаний, что, само по себе, является сложной задачей. Проблема здесь состоит не столько в том, как разместить эти знания в памяти компьютера, а в том, как их получить. Поэтому в настоящее время общение пользователя с компьютером выполняется на проблемно-ориентированных подмножествах естественного языка.

      Традиционно в системах, допускающих общение  на естественном языке, выполняется  несколько фаз анализа входных  сообщений:

      морфологический анализ – поиск основ слов с  отнесением их к определенным грамматическим категориям, обнаружение и исправление  орфографических ошибок;

      синтаксический  анализ – грамматический разбор предложений  и определение их лингвистической  структуры;

      семантический анализ – формирование смысла предложений  на внутреннем языке системы;

      прагматический  анализ – выявление взаимосвязи  между предложениями текста. 

      В последнее время в задачах  обработки ЕЯ все чаще применяют  эмпирический подход, базирующийся на использовании методов статистики и машинного обучения. В этом случае подсистема понимания высказываний обучается на больших объемах  реальных языковых данных. Это позволяет  автоматизировать процесс формирования необходимых баз знаний. 
 
 

      3.7. Распознавание образов

      В рамках этого направления ИИ ведутся  исследования по восприятию зрительной, слуховой и других видов информации, методам ее обработки с целью  выделения существенных признаков  воспринимаемых объектов и осуществления  их классификации. Примерами задач  распознавания образов могут  служить: автоматическое чтение рукописных текстов, распознавание речи, анализ изображений, диагностика болезней, дистанционная идентификация объектов и др. Если множество признаков, разделяющих  объекты на классы заранее не известно, то возникает задача обучения распознаванию образов или самообучения распознаванию образов. Поэтому данное направление ИИ близко к машинному обучению и неразрывно связано с нейросетями.

      Решение задачи распознавания образов сводится к построению решающей функции, которая  по значениям наблюдаемых признаков  позволяет отнести объект к тому или иному классу. При построении решающей функции часто используют статистический подход. Однако его  применение требует задания многомерных  плотностей распределения вероятностей, определение которых может составлять самостоятельную задачу. Часто применяют  иной подход, основанный на обучении распознаванию  образов. Предложено много алгоритмов обучения распознаванию образов. Одним  из наиболее простых является алгоритм обучения персептрона, который представляет собой простейшую нейронную сеть. Возможности простого персептрона по распознаванию образов весьма ограничены. Поэтому при решении многих практических задач применяют более сложные модели. 

      3.8. Компьютерное зрение

      Более 85% информации человек получает с  помощью зрения. Для современного компьютера этот канал ввода информации также играет важную роль. Но ввести изображение в память ЭВМ нетрудно. Для машины намного сложнее понять изображение. Поэтому главная задача, которую приходится решать при построении систем машинного зрения, – это не создание устройств ввода изображений, а разработка методов и алгоритмов анализа визуальной информации. Проблема создания систем компьютерного зрения тесно связана с такими направлениями ИИ, как представление знаний, обучение, распознавание образов. 

      3.9. Языки программирования  систем искусственного  интеллекта

      В рамках этого направления разрабатываются  специальные языки для решения  задач ИИ. Важной особенностью этих языков является использование более  высоких уровней абстракции данных, а также ориентация на обработку  символьной информации. Наиболее популярными  языками, применяемыми при создании исследовательских прототипов СИИ, являются языки Лисп и Пролог. 

      Выше  перечислены  основыне направления ИИ. Вместе с тем исследования в области ИИ охватывают многие другие направления, например:

      синтез  изображений по моделям;

      интеллектуальные  роботы;

      генетические  алгоритмы;

      многоагентные системы;

      когнитивное моделирование;

      игры  и машинное творчество, и многое другое. 

      4. Современный искусственный интеллект

      В настоящий момент в создании искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих  хоть какое-то отношение к ИИ. Многие подходы были опробованы, но к возникновению  искусственного разума ни одна исследовательская группа так и не подошла 

      Некоторые из самых известных ИИ-систем:

      Deep Blue — победил чемпиона мира по шахматам. Матч Каспаров против супер ЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым. Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.

      MYCIN — одна из ранних экспертных  систем, которая могла диагностировать  небольшой набор заболеваний,  причем часто так же точно,  как и доктора.

      20Q — проект, основанный на идеях  ИИ, по мотивам классической игры  «20 вопросов». Стал очень популярен  после появления в Интернете  на сайте 20q.net.

      Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.

      Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика) при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

      Разработчики  компьютерных игр применяют ИИ в  той или иной степени проработанности. Это образует понятие «Игровой искусственный  интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии  и так далее.

      Можно выделить два направления развития ИИ:

      решение проблем, связанных с приближением специализированных систем

      1. ИИ к возможностям человека, и их интеграции, которая реализована природой человека

      2. создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества 

      5. Связь с другими науками

      Искусственный интеллект вместе с нейрофизиологией, эпистемологией и когнитивной психологией  образует более общую науку, называемую когнитология. Отдельную роль в искусственном интеллекте играет философия.

      Также, с проблемами искусственного интеллекта тесно связана эпистемология  — наука о знании в рамках философии. Философы, занимающиеся данной проблематикой, решают вопросы, схожие с теми, которые  решаются инженерами ИИ о том, как лучше представлять и использовать знания и информацию.

      Производство  знаний из данных — одна из базовых  проблем интеллектуального анализа  данных. Существуют различные подходы  к решению этой проблемы, в том  числе — на основе нейросетевой технологии, использующие процедуры вербализации нейронных сетей. 

      Компьютерные  технологии и кибернетика

      В компьютерных науках проблемы искусственного интеллекта рассматриваются с позиций  проектирования экспертных систем и  баз знаний. Под базами знаний понимается совокупность данных и правил вывода, допускающих логический вывод и  осмысленную обработку информации. В целом исследования проблем  искусственного интеллекта в компьютерных науках направлено на создание, развитие и эксплуатацию интеллектуальных информационных систем, а вопросы подготовки пользователей  и разработчиков таких систем решаются специалистами информационных технологий.

      Психология  и когнитология

      Методология когнитивного моделирования предназначена  для анализа и принятия решений  в плохо определенных ситуациях. Была предложена Аксельродом. Основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F — множество факторов ситуации, W — множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач. 

      Философия

      Наука «о создании искусственного разума»  не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные  вопросы о человеке и знании, а  отчасти о мироустройстве. С одной  стороны, они неразрывно связаны  с этой наукой, а с другой —  привносят в неё некоторый хаос.

      Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после  разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание, и, если возможно, то как  это сделать?» Вторая группа (этика  искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?»

      Течение трансгуманизма считает создание ИИ одной из важнейших задач человечества. 

      Вопросы создания ИИ

      Среди исследователей ИИ до сих пор не существует какой-либо доминирующей точки  зрения на критерии интеллектуальности, систематизацию решаемых целей и  задач, нет даже строгого определения  науки. Существуют разные точки зрения на вопрос, что считать интеллектом. Аналитический подход предполагает анализ высшей нервной деятельности человека до низшего, неделимого уровня (функция высшей нервной деятельности, элементарная реакция на внешние раздражители (стимулы), раздражение синапсов совокупности связанных функцией нейронов) и последующее воспроизведение этих функций.