Искусственный интеллект

1. Представлении знаний о среде функционирования.
2. Зрительное восприятие.
3. Построение сложных планов поведения в динамических средах.
4. Общение с роботами на естественном языке.

Эти проблемы возникли в середине 70 и работа над ними — это третий этап в области  развития ИИ. При этом исследовалось  не создание автономно функционирующей  системы, решающей в реальной среде поставленную перед ней задачу, а исследовалось создание человеко-машинных систем, интегрирующих интеллект человека и возможности ЭВМ для достижения общей цели, поставленной перед интегральной ЧМС. Этот переход обуславливался двумя причинами:

1. Выяснилось, что даже достаточно простые задачи, возникающие перед интегральным роботом при его функционировании в реальном мире (движение по пересеченной местности, распознавание объектов на сложном фоне с естественным освещением, организация сложного поведения). Даже эти задачи не могут быть решены методами, разработанными в специально сформированных проблемных средах (2 этап).
2. Сочетание человека и ЭВМ позволяют обойти эти проблемы, перекладывая на человека те функции, которые пока ЭВМ недоступны.

ЭВМ способна перерабатывать большие объемы информации, она может  просматривать различные пути решения, предлагаемые человеком, предлагать справочную информацию в большом объеме итд. То есть, на первый план выдвигается  разработка методов и средств, обеспечивающих тесное взаимодействие человека и ЭВМ в течение всего процесса решения задачи. 

Системы обработки информации человеком.

Любая деятельность человека направлена на удовлетворение его потребностей и сопровождается целенаправленным внесением изменений в окружающую среду, пытаясь определить так можно достичь желаемой цели человек решает задачи, если считать некоторое заданное состояние среды начальным, а желаемое конечным, то можно утверждать, что решение задачи — это поиск пути от начального состояния к целевому. Рассмотрим систему обработки информации человеком. Модель обработки информации человеком состоит из трех главных подсистем:

1. Восприятия.
2. Мыслительной.
3. Моторной.

На ее вход подаются внешние стимулы, они входят через  сенсоры. Эта подсистема включает в себя буферные памяти (у каждого сенсора), в которых кратковременно хранится воспринимаемая информация перед тем, как она будет передана на обработку в мыслительную подсистему. Сразу же после того, как информация из сенсоров запомнилась в буферной памяти некоторая ее часть передается когнитивным процессорам в краткосрочную память, хотя сенсоры постоянно направляют большое кол-во информации в буферную память не все восприятия сенсоров обрабатываются в буферной памяти и передаются в краткосрочную. Процессом выбора и обработки управляет когнитивная система, обычно процесс выбора восприятий для запоминания в рабочей памяти мы называем процессом «обратить внимание». Когнитивный процессор как и ЦП ЭВМ работает циклически, в течение каждого такого цикла (распознавание-действие) КП получает информацию из буферной памяти, оценивает ее и запоминает в рабочей памяти. Этот цикл длится приблизительно 70 мс. В простейшем случае мыслительная система связывает вход сенсора с выходным движением. Более сложные задачи включают больше информации и это, в свою очередь, требует более тщательной обработки (изучение новых языков). Для решения таких задач используется долговременная память.

Долговременная  память состоит из большого числа  символов со сложной системой индексации, существует много конкурирующих гипотез о том, что такое элементарные символы и как они организованы. В простейшей модели памяти они связаны друг с другом. В более сложных моделях символы организованы во временные совокупности и их иногда называют скриптами. Один из подходов заключается в том, что память состоит из совокупности символов, называемых чанками. Чанк — это символ, связанный с набором стимулов.

(рисунок mindmap).

На рисунке  составлен чанк сети памяти, который  состоит из символа собака и ассоциативно свзяан с другими символами, которые активизируются, если думать о ней. Как показано на рисунке, чанки организованы иерархически, узнать и вспомнить — это эквивалентно установить связь между чанками и вновь к ней обратиться соответственно. Ньюел и Саймон представляли опытному шахматисту ознакомится с некоторой позицией и в течение 5-10 секунд, затем им предлагалось повторить позицию. Как правило, они могли повторить эту позицию. Подобные и другие эксперименты показывают, что человек запоминает не расположение каждой фигуры, а выделяет и запоминает от 4 до 6 образцов элементов. И когда его просят восстановить доску или позицию он начинает вспоминать какие отдельные образцы были представлены,а затем он выводит какие элементы должны присутствовать в каждом образце, в действительности опытные шахматисты запоминают чанки из отдельных фигур, собранных в маленькие образцы. Затем запоминают чанки, собранные из этих образцов. Думая о партии они вспоминают ее в терминах взаимодействий которые могут или должны быть между 4-6 образцами которые они видели. Изучение когнитивных способностей показывает, что большинство опытных специалистов используют аналогичный подход к организации данных которые они должны запомнить и с которыми должны работать в процессе решения проблемы. С ранних лет мы начинаем организовывать наш опыт в виде чанков информации. Становясь старше мы накапливаем все больше и больше информации вокруг абстрактных понятий. Интересно то, что независимо от сложности чанка возможность манипулировать ими остается одной и той же. Человек может работать с 4-7 чанков в своей рабочей памяти одновременно. Запоминая некоторую информацию извне и просматривая ее во время размышления мы можем увеличить кол-во информации, с которой мы можем работать одновременно. Раньше отделяли рабочую и долговременную память, сейчас пришли к выводу, что в долгосрочной памяти активизируется часть, которая является рабочей памятью. Предварительно активизируемые чанки становятся менее доступны, так как активация распространяется к новым чанкам. Долгосрочная память не имеет ограничений по объему запоминаемой информации. Главное не в объеме хранения информации, а в поддержке путей ее обновления и вспоминания. На размещение чанков в долгосрочной памяти требуется порядке 7 секунд для установления всех его связей в памяти. Разница между 7 с и 7 мс очень важна для понимания функционирования человека. Работа опытного специалиста с большой скоростью не является необычной, но быстрое запоминание незнакомой информации встречается довольно редко. Эксперты мирового класса, как и опытные шахматисты, становятся таковыми после 10 и более лет работы в своей области. Нужно огромное время на извлечение, перекодирование, организацию в чанки (то есть организацию собственного опыта).

После активирования  и поиска информации она посылается в моторную подсистему, которая инициализирует действия мускул или других внутренних систем. 

Разнообразие  знаний.

(рисунок)

Знания могут  быть классифицированы разными способами. На рисунке по горизонатле показана обобщенная совокупность знаний. Под совокупными знаниями понимается информация, которая организована, индексирована, зафиксирована в памяти таким образом, чтобы она была доступна. Можно утверждать, что создание таких совокупность — это и есть процесс создания чанков. Этот процесс реализуется двумя дополняющими друг-друга путями:

1. Школа, определения, аксиомы, теории, формальные законы. При этом обучающиеся хотя и могут описать свои знания, но они не могут применить их на практике. Принципы, законы, аксиомы хороши при объяснении и оправдании почему то или иное решение правильно или нет, но с их помощью практически невозможно само решение. То есть они не указывают как действовать при решении конкретной задачи.
2. Использование опыта или обучение у наставников. Здесь в первую очередь изучаются предметно-зависимые факты. Далее наставники или опыт учат студентов руководствоваться так называемыми «золотыми правилами» для выполнения конкретной задачи. При этом, ученики довольно быстро извлекают опыт из предметно специфических теорий. Знания, компилируемые из опыта образуют эвристики — обобщенные правила, которые сокращают пространства поиска до разумных пределов. Они фокусируются на небольшом количестве ключевых элементов. Предметный опыт делает людей компетентными. Так как они умеют быстро фокусировать внимание на сложных аспектах проблемы и выявляют важные отношения. Совокупные эвристические знания (опыт), которые хорошо организован и индексирован в долговременной памяти и позволяет нам решать многочисленные повседневные проблемы. Форма знаний проста, но их мощность связана с накопленным опытом.

Решение задач.

Решение задачи обычно — это размышление о  том, как решать задачи, которые вы не знаете как решать. Не всякая обработка  информации является решением задачи.

Рассмотрим задачи, решение которых, возможно, не известно.

Обычно она  решается так:

1. Попытка решения без плана (понимание задачи).
2. Ослабление ограничений.
3. Как только видим тупик, то возвращаемся назад.
4. Попытка решения задачи, исходя из цели и идти к решению, полагая, что это проще, но оказывается, что это также трудно.
5. Если хоть как-то смогли добраться от начального к конечному, то затем мы можем улучшить решение
6. Если проблема не поддается этим подходам, то мы применяем более регулярные (формальные) подходы — пытаемся строить модель задачи, вводим символы и переходим к так называемому пространству состояния проблемы. Проблемное пространство состояний состоит из:
1. Совокупности элементов или символов, описывающей состояние, в котором оказывается задача, конкретная конфигурация элементов задач — состояние. К проблемным состояниям могут относиться события, симптомы, иерархические состояния.
2. Связи между состояниями, которым соответствуют операции, переводящих из одного состояния в другое. То есть решение задачи — это процесс поиска последовательности операций или действий, в пространстве состояний, начинающихся в начальном состоянии и приводящей к заданной цели. Поиск является ключом к решению проблемы, если она представляется как в виде проблемного пространства. Для небольших проблем мы можем сгенирировать все пространство состояний

В хорошо определённой задаче мы знаем начальное состояние, целевое состояние и оператор. И, теоретически, мы можем просматривать  все пространство состояний, но, как  правило, мы имеет дело с плохо  определенными задачами. Плохо определенные задачи характеризуются следующими чертами:

• Цель задана неявно.
• Состояния не дискретны.
• Явно не заданы операторы.
• Не ограничено проблемное пространство.
• Временные ограничения.

Для решения  подобных задач используется опыт и знания. Чтобы решить эту задачу мы пользуемся тем, что лежит за пределами этой задачи. Искусство решать сложные проблемы, сводится к определению, выявлению знаний, необходимых для сокращения огромного проблемного пространства до разумных пределов. Один способ, если сталкиваетесь с новой и относительно незнакомой проблемой, - двигаться медленно, экспериментировать, делать догадки. Другой способ, если проблема уже известна, - сбор соответствующей информации, построение прототипного решения, игнорирование несущественных деталей и пересматриваете гипотезы в свете тех ограничений. При этом, может помочь хорошая теория, которая позволит сократить проблемы до состояния оператора (если это теория найдется). Но гораздо больше могут помочь знания о специфике проблемной области, включая хорошие эвристики. 

Природа опыта.

Эксперт — субъект, за которым широко признана способность  решать определенного типа задачи, которые большинство людей решать также эффективно не могут.

Аналогично водится  понятие экспертизы как творческой компоненты при решении задач. Экспертиза возникает там, где есть проблема.

Эксперты имеют  большое значение так как они  имеют большое количество обобщенного (компилированного) опыта в своей  памяти. По оценкам, эксперт мирового класса имеет от 50000 до 100000 чанков эвристической информации в своей области, при этом, каждый чанк со всеми его связи может быть легко обновлен, проверен и использован. На накопление 50000 чанков по утверждению психологов требуется приблизительно 10 лет. Количество знаний таково, что практически невозможно получить их из опыта. В этом случае помогают общие теории (классифицировать и упорядочивать). Гораздо чаще будущий эксперт, обучаясь движется от школы (общие теории) к опыту и практике, при этом человек постоянно увеличивает свой опыт и постоянно реорганизует опыт в долговременной памяти. Таким образом, он может решать проблемные задачи используя эвристики и предметные теории, но, работая практически эксперты едва могут объяснить свои рекомендации исходя из общих законов. Если однако они сталкиваются с необычной или сложной проблемой, то обращаются к базовой теории при разработке стратегии решения задачи. Знания по эвристике — поверхностные. Фундаментальные знания и знания по теории — глубинные. Эксперты обращаются к ним, когда у них не хватает поверхностных знаний. Глубинные знания генерируют проблемное пространство, а поверхностные имеют тенденцию их ограничивать до разумных пределов. 

Экспертные  системы.

В середине 70-ч  годов образовалось новое направление  — экспертные системы. Цель — разработка программ (устройств), которые при решении задач, трудных для эксперта-человека получали результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В основном экспертные системы решают трудно формализуемые или не имеющие алгоритмического решения задачи. Области: медицина, геология, механика, химия итд. Основные принципы создания экспертных систем, полученные в результате успешного практического использования:

1. Мощность экспертной системы обусловлена в первую очередь базой знаний и возможностью ее развития и только во вторую очередь используемыми методами работы с ними.
2. Знания, позволяющие экспертной системе получать качественный и эффективные результаты являются в основном эвристическими, экспериментальными, неопределенными, правдоподобными.
3. Учитывая не формализованность и эвристический, личностный характер используемых знаний пользователь должен иметь возможность непосредственного взаимодействия с экспертной системой в режиме диалога.
4. Так как основной источник мощности — знания, то экспертная система должная обладать способностью приобретать знания. Процесс приобретения знаний можно разделить на:
1. Получение знания от эксперта.
2. Организацию знаний с целью эффективной работы системы.
3. Представление знаний в понятном системе виде.

Процесс осуществляется инженером по знаниям. Системы ИИ и экспертные не отвергают и не заменяют традиционный подход к разработке программ , так как он более эффективен. К не формализованным будем относить задачи, обладающие хотя бы одной из следующих характеристик:

1. Задачи не могут быть заданы в числовой форме.
2. Цели не могут быть выражены в терминах точно определенной целевой функции.
3. Не существует алгоритмического решения задачи.
4. Алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов.
5. Ошибочность, неоднозначность и неполнота исходных данных.
6. Ошибочность, неоднозначность и неполнота знаний о проблемной области и решаемой задаче.
7. Динамически изменяющиеся данные и знания.