Тенденции развития теории искусственного интеллекта

Размещено на http://www.allbest.ru/

на тему: Тенденции развития теории искусственного интеллекта

Введение

1. История развития искусственного интеллекта

1.1 История развития искусственного интеллекта за рубежом

1.2 История развития искусственного интеллекта в России

2. Области исследований

2.1 Машинный перевод

2.2 Автоматизированное реферирование и информационный поиск

2.3 Доказательство теорем

2.4 Распознавание образов

2.5 Игровые программы

2.6 Сочинение музыки и текстов

3. Начальный этап развития

4. Создание теоретической базы

5. Переход к промышленным образцам

6. Подходы к изучению

6.1 Логический подход

6.2 Структурный подход

6.3 Эволюционный подход

6.4 Имитационный подход

7. Области практического применения искусственного интеллекта

8. Перспективы развития искусственного интеллекта

9. Перспективные технологии

Заключение

Библиографический список

Введение

Люди всегда хотели узнать, как устроен и функционирует мозг, что, собственно, является чертой отличия человека от животных. История накопила множество попыток осмысления природы мышления, от духовных до анатомических. Множество споров философов и теологов с одной стороны, а также физиологов и анатомов - с другой, принесло мало пользы для понимания вопроса о природе человеческого мышления. Предмет оказался предельно трудным для изучения.

С появлением в 40-х годах вычислительных машин и исследований по кибернетике, вопрос о природе человеческого мышления приобрел кибернетический аспект. Ученые направили свои усилия на исследование возможности создания машин, обнаруживающих поведение, которое у людей мы называем интеллектуальным. Это направление исследований и получило название "Искусственный интеллект" (ИИ). Поскольку ИИ, как своим появлением, так и последующим развитием, обязан вычислительным машинам, это направление обычно относят к области информатики и вычислительной техники.

Искусственный интеллект можно определить как область компьютерной науки, занимающуюся автоматизацией разумного поведения. Это определение имеет существенный недостаток, поскольку само понятие не очень понятно и четко сформулировано. При этом в большинстве случаев заранее неизвестен алгоритм решения задачи. В некотором роде обособленно стоят задачи распознавания образов, которые традиционно включают в круг задач искусственного интеллекта. Большинство из нас уверены, что смогут отличить "разумное поведение", когда с ним столкнутся. Однако вряд ли кто-нибудь сможет дать интеллекту определение, достаточно конкретное для оценки предположительно разумной компьютерной программы и одновременно отражающее сложность человеческого разума.

Итак, проблема определения искусственного интеллекта сводится к проблеме определения интеллекта вообще. Существует ряд вопросов, на которые еще не были даны ответы. В какой мере можно интеллект создать, а в какой мере он существует априори? Что именно происходит при таком создании? Что такое творчество? Что такое интуиция? Можно ли судить о наличии интеллекта только по наблюдаемому поведению, или же требуется свидетельство наличия какого-то скрытого механизма? Как представляются знания в нервных тканях живых существ, и как можно применить это в проектировании интеллектуальных устройств? Что такое самоанализ и как он связан с разумностью? И, более того, необходимо ли создавать компьютерную программу по образу и подобию человеческого разума, или достаточно простого "инженерного подхода"? Возможно ли вообще достичь разумности посредством компьютерной техники, или же сущность интеллекта требует богатства чувств и опыта, присущего лишь биологическим существам?

Как уже было сказано, на эти вопросы не были даны ответы, но, однако, они помогли сформировать задачи и методологию, составляющие основу современного Искусственного Интеллекта. Отчасти привлекательность искусственного интеллекта в том и состоит, что он является оригинальным и мощным орудием для исследования именно этих проблем. ИИ предоставляет средство и испытательную модель для исследования интеллекта: такие теории могут быть представлены в виде компьютерных программ, а затем испытаны при их выполнении.

Искусственный интеллект призван расширить возможности компьютерных наук, а не определить их границы. Одной из важных задач, стоящих перед исследователями, является поддержание этих усилий ясными теоретическими принципами.

1. ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.1 История развития искусственного интеллекта за рубежом

Идея создания искусственного подобия человеческого разума для решения сложных задач моделирования мыслительной способности витала в воздухе с древнейших времен. Впервые ее выразил Р.Луллий (ок.1235-ок.1315), который еще в начале XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий.

В начале XVII века Рене Декарт предположил, что животное -- некий сложный механизм, тем самым сформулировав механистическую теорию.

В 1623 г. Вильгельм Шикард построил первую механическую цифровую вычислительную машину, за которой последовали машины Блеза Паскаля (1643) и Лейбница (1671). Лейбниц также был первым, кто описал современную двоичную систему счисления, хотя до него этой системой периодически увлекались многие великие ученые.

В XVIII в. Г.Лейбниц (1646 - 1716) и Р.Декарт (1596- 1650) независимо друг от друга развили эту идею, предложив универсальные языки классификации всех наук. Эти идеи легли в основу теоретических разработок в области создания искусственного интеллекта.

Развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это же время И.Винер (1894 - 1964) создал свои основополагающие работы по новой науке - кибернетике.

Термин искусственный интеллект (artificial intelligence) предложен в 1956г. на семинаре с аналогичным названием в Станфордском университете (США). Семинар был посвящен разработке логических, а не вычислительных задач. Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло разделение на два основных направления: нейрокибернетику и кибернетику "черного ящика". И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое.

1) Основную идею нейрокибернетики можно сформулировать следующим образом. Единственный объект, способный мыслить - это человеческий мозг. Поэтому любое "мыслящее" устройство должно каким-то образом воспроизводить его структуру.

2) В основу кибернетики "черного ящика" лег принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.

В конце 50-х гг. родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторый граф, отражающий пространство состояний, и в этом графе проводится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по разработке этой модели, но в решении практических задач идея большого распространения не получила.

Начало б0-х гг. - эпоха эвристического программирования. Эвристика - правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование - разработка стратегии действий на основе известных, заранее заданных эвристик.

В 1963 - 1970 гг. к решению задач стали подключать методы математической логики. На основе метода резолюций, позволившего автоматически доказывать теоремы при наличии набора исходных аксиом, в 1973 г. создается язык Пролог.

Существенный прорыв в практических приложениях искусственного интеллекта произошел в середине 70-х гг., когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Пришел новый, подход к решению задач искусственного интеллекта - представление знаний.

Начиная с середины 80-х гг. происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам.

1.2 История развития искусственного интеллекта в России

В 1954 г. в МГУ под руководством профессора А.А.Ляпунова (1911 - 1973) начал свою работу семинар "Автоматы и мышление". В этом семинаре принимали участие крупнейшие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, выделились направления нейрокибернетики и кибернетики "черного ящика".

Среди наиболее значимых результатов, полученных отечественными учеными, следует отметить алгоритм "Кора" М.Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов (60-е гг.).

В 1945 - 1964 гг. создаются отдельные программы, и исследуется поиск решения логических задач. В Ленинграде (ЛОМИ - Ленинградское отделение математического института им. В.А.Стеклова) создается программа, автоматически доказывающая теоремы (АЛИЕВ ЛОМИ). Она основана на оригинальном обратном выводе С.Ю.Маслова, аналогичном методу резолюций Робинсона.

В 1965 - 1980 гг. получает развитие новая наука - ситуационное управление. Основоположник этой научной школы - профессор Д.А.Поспелов. Разработаны специальные модели представления ситуаций - представления знаний.

В 1980 - 1990 гг. проводятся активные исследования в области представления знаний, разрабатываются языки представления знаний, экспертные системы (более 300). В Московском государственном университете создается язык РЕФАЛ.

В 1988 г. создается АИИ - Ассоциация искусственного интеллекта. Ее членами являются более 300 исследователей. Президент Ассоциации - Д.А.Поспелов.

Кратко всю историю искусственного интеллекта можно разбить на следующие периоды:

1. Появление предпосылок искусственного интеллекта (период с 1943 года по 1955 год)

Первая работа, которая теперь по общему признанию считается относящейся к искусственному интеллекту, была выполнена Уорреном Мак-Каллоком и Уолтером Питтсом. Они черпали вдохновение из трех источников: знание основ физиологии и назначения нейронов в мозгу; формальный анализ логики высказываний, а также теория вычислений Тьюринга.

В 1951 году два аспиранта факультета математики Принстонского университета, Марвин Минский и Дин Эдмондс, создали первый сетевой компьютер на основе нейронной сети.

Кроме того, можно привести большое количество примеров других ранних работ, которые можно охарактеризовать как относящиеся к искусственному интеллекту, но именно Алан Тьюринг впервые выразил полное представление об искусственном интеллекте в своей статье Computing Machinery and Intelligence, которая была опубликована в 1950 году. В этой статье он описал тест Тьюринга, принципы машинного обучения, генетические алгоритмы и обучение с подкреплением.

2. Рождение искусственного интеллекта (1956 год)

Джон Маккарти с другими участниками организовали двухмесячный семинар в Дартмуте летом 1956 года. Дартмутский семинар не привел к появлению каких-либо новых крупных открытий, но позволил познакомиться всем наиболее важным деятелям в научной области исследований интеллекта. Результатом данного семинара было соглашение принять новое название для этой области, предложенное Маккарти, -- искусственный интеллект.

3. Ранний энтузиазм, большие ожидания (период с 1952 года по 1969 год)

Первые годы развития искусственного интеллекта были полны успехов, хотя и достаточно скромных. Если учесть, какими примитивными были в то время компьютеры и тот факт, что компьютеры рассматривались как устройства, способные выполнять только арифметические действия, можно лишь удивляться тому, как удалось заставить компьютер выполнять операции, хоть немного напоминающие разумные.

За первыми успешными разработками Ньюэлла и Саймона последовало создание программы общего решателя задач (General Problem Solver-- GPS). Программа GPS была самой первой программой, в которой был воплощен подход к "организации мышления по такому же принципу, как и у человека".

Работая в компании IBM, Натаниэль Рочестер и его коллеги создали некоторые из самых первых программ искусственного интеллекта.

Начиная с 1952 года, Артур Самюэл написал ряд программ для игры в шашки. Он опроверг утверждение, что компьютеры способны выполнять только то, чему их учили: одна из его программ быстро научилась играть лучше, чем ее создатель. Эта программа была продемонстрирована по телевидению в феврале 1956 года и произвела очень сильное впечатление на зрителей.

Джон Маккарти перешел из Дартмутского университета в Массачусетсский технологический институт и здесь в течение одного исторического 1958 года внес три крайне важных вклада в развитие искусственного интеллекта. Он привел определение нового языка высокого уровня Lisp, которому суждено было стать доминирующим языком программирования для искусственного интеллекта. Разработав это язык, Маккарти получил необходимый для него инструмент, но доступ к ограниченным и дорогостоящим компьютерным ресурсам продолжал оставаться серьезной проблемой. В связи с этим он совместно с другими сотрудниками Массачусетсского технологического института изобрел режим разделения времени. В том же 1958 году Маккарти опубликовал статью под названием Programs with Common Sense, в которой он описал гипотетическую программу Advice Taker, которая может рассматриваться как первая полная система искусственного интеллекта. Замечательной особенностью указанной статьи является то, что значительная ее часть не потеряла своего значения и в наши дни.

В 1963 году Маккарти открыл лабораторию искусственного интеллекта в Станфордском университете.

4. Столкновение с реальностью (период с 1966 года по 1973 год)

С самого начала исследователи искусственного интеллекта не отличались сдержанностью, высказывая прогнозы в отношении своих будущих успехов. Например, часто цитировалась приведенное ниже предсказание Герберта Саймона, опубликованное им в 1957 году.

Я не ставлю перед собой задачу удивить или шокировать вас, но проще всего я могу подвести итог, сказав, что теперь мы живем в таком мире, где машины могут думать, учиться и создавать. Более того, их способность выполнять эти действия будет продолжать расти до тех пор, пока (в обозримом будущем) круг проблем, с которыми смогут справиться машины, будет сопоставим с тем кругом проблем, где до сих пор был нужен человеческий мозг.

Такие выражения, как "обозримое будущее", могут интерпретироваться по-разному, но Саймон сделал также более конкретный прогноз, что через десять лет компьютер станет чемпионом мира по шахматам и что машиной будут доказаны все важные математические теоремы. Эти предсказания сбылись не через десять лет, а через сорок. Чрезмерный оптимизм Саймона был обусловлен тем, что первые системы искусственного интеллекта демонстрировали многообещающую производительность, хотя и на простых примерах. Но почти во всех случаях эти ранние системы терпели сокрушительное поражение, сталкиваясь с более широким кругом проблем или с более трудными проблемами.

Сложности первого рода были связаны с тем, что основная часть ранних программ не содержала знаний или имела лишь небольшой объем знаний о своей предметной области.

Сложности второго рода были связаны с неразрешимостью многих проблем, решение которых пытались найти с помощью искусственного интеллекта.

Сложности третьего рода возникли в связи с некоторыми фундаментальными ограничениями базовых структур, которые использовались для выработки интеллектуального поведения.

5. Системы, основанные на знаниях (период с 1969 года по 1979 год)

Основной подход к решению задач, сформированный в течение первого десятилетия исследований в области искусственного интеллекта, представлял собой механизм поиска общего назначения, с помощью которого предпринимались попытки связать в единую цепочку элементарные этапы проведения рассуждений для формирования полных решений. Подобные подходы получили название слабых методов, поскольку они не позволяли увеличить масштабы своего применения до уровня более крупных или более сложных экземпляров задач, несмотря на то, что были общими. Альтернативным по сравнению со слабыми методами стал подход, предусматривающий использование более содержательных знаний, относящихся к проблемной области, который позволяет создавать более длинные цепочки шагов логического вывода и дает возможность проще справиться с теми проблемными ситуациями, которые обычно возникают в специализированных областях знаний.

Одним из первых примеров реализации такого подхода была программа Dendral. Значение программы Dendral состояло в том, что это была первая, успешно созданная экспертная система, основанная на широком использовании знаний: ее способность справляться с поставленными задачами была обусловлена применением большого количества правил специального назначения. В более поздних системах также широко применялся основной принцип подхода, реализованного Маккарти в программе Advice Taker, -- четкое отделение знаний (в форме правил) от компонента, обеспечивающего проведение рассуждений.

6. Превращение искусственного интеллекта в индустрию (период с 1980 года по настоящее время)

В индустрии искусственного интеллекта произошел бурный рост, начиная с нескольких миллионов долларов в 1980 году и заканчивая миллиардами долларов в 1988 году. Однако вскоре после этого наступил период, получивший название "зимы искусственного интеллекта", в течение которого пострадали многие компании, поскольку не сумели выполнить своих заманчивых обещаний.

7. Возвращение к нейронным сетям (период с 1986 года по настоящее время)

Хотя основная часть специалистов по компьютерным наукам прекратила исследования в области нейронных сетей в конце 1970-х годов, работу в этой области продолжили специалисты из других научных направлений. Психологи, включая Дэвида Румельхарта и Джефа Хинтона, продолжали исследовать модели памяти на основе нейронных сетей.

8. Превращение искусственного интеллекта в науку (период с 1987 года по настоящее время)

В последние годы произошла буквально революция, как в содержании, так и в методологии работ в области искусственного интеллекта. С точки зрения методологии искусственный интеллект наконец-то твердо перешел на научные методы.

9. Появление подхода, основанного на использовании интеллектуальных агентов

Наиболее широко известным примером создания полной архитектуры агента является работа Аллена Ньюэлла, Джона Лэрда и Пола Розенблума над проектом Soar. Для того чтобы проще было разобраться в работе агентов, внедренных в реальную среду с непрерывным потоком сенсорных входных данных, были применены так называемые ситуационные движения. Одним из наиболее важных примеров среды для интеллектуальных агентов может служить Internet. Технологии искусственного интеллекта легли в основу многих инструментальных средств Internet, таких как машины поиска, системы, предназначенные для выработки рекомендаций, и системы создания Web-узлов.

Одним из следствий попыток создания полных агентов стало понимание того, что ранее изолированные подобласти искусственного интеллекта могут потребовать определенной реорганизации, когда возникнет необходимость снова связать воедино накопленные в них результаты. Поэтому системы проведения рассуждений и планирования должны быть приспособленными к работе в условиях неопределенности. Вторым важным следствием изменения взглядов на роль агентов является то, что исследования в области искусственного интеллекта теперь необходимо проводить в более тесном контакте с другими областями, такими как теория управления и экономика, которые также имеют дело с агентами.

2. ОБЛАСТИ ИССЛЕДОВАНИЙ

Практически с самого начала активного использования ЭВМ первого поколения (т.е. с середины 50-х годов) на ЭВМ стали решаться задачи, традиционно относящиеся к интеллектуальным. В это время начали формироваться первые области исследований, которые в последующем оказали заметное влияние на возникновение научного направления, получившего название искусственный интеллект. Остановимся на описании этих областей исследования, заложивших многие принципы будущей науки об интеллектуальных системах.

2.1 Машинный перевод

Вопрос об использовании ЭВМ для перевода текстов с одного языка на другой впервые возник в 1947 году. В 1954 году в США с помощью ЭВМ было переведено шестьдесят фраз. Этот знаменитый "Джорджтаунский эксперимент" произвел неизгладимое впечатление на специалистов. И хотя его результаты оказались весьма скромными, они вселили в ученых уверенность в том, что имеются хорошие перспективы использования ЭВМ для работы с текстами на естественном языке.

В СССР работы в области машинного перевода начались с 1955 года. Становление и развитие этого направления во многом связано с работами А.А.Ляпунова, Ю.Д.Апресяна, О.С.Кулагиной и др.

Какие же достижения из области машинного перевода оказались полезными для искусственного интеллекта?

Прежде всего, это понимание, что анализ естественно-языковых особенностей невозможен без создания семантической модели, в которой в явной форме содержались бы словарные статьи, интерпретирующие смысл слов, используемых в тексте, а также устойчивых комбинаций из них. Практически, в работах по машинному переводу впервые возникла идея отделения процедурных знаний от декларативных.

Вторым достижением работ по переводу с одного языка на другой явилось введение промежуточного внутреннего представления всех необходимых для перевода сведений. Появление языка-посредника знаменовало собой первую попытку создания языка внутреннего представления знаний, отличного от входного языка, на котором записан текст, подлежащий переводу, и выходного языка, на который тот текст должен был быть переведен. Активность внутренних представлений знаний получила в дальнейшем в системах искусственного интеллекта большое развитие.

И, наконец, третьим достижением работ в области машинного перевода, важным для искусственного интеллекта, можно считать разделение этапов анализа текстов на ряд последовательных шагов: морфологический анализ, поверхностный семантический анализ, глубинный семантический анализ, поверхностный синтаксический анализ, глубинный синтаксический анализ и прагматический анализ. Выделение этих шагов позволило поставить перед лингвистами задачи по созданию языковых моделей для целей машинного перевода, стимулировать эти исследования и получить нужные результаты, благодаря чему стала возможной волна исследований в этой области, завершающаяся сейчас созданием практически эффективных систем перевода научно-технических текстов с помощью ЭВМ.

2.2 Автоматизированное реферирование и информационный поиск

Почти одновременно с работами по машинному переводу начались исследования по использованию ЭВМ для целей автоматического реферирования научно-технических текстов. Первый машинный эксперимент такого рода был проведен в 1957 году в США. В отличие от машинного перевода, где внимание исследователей, по крайней мере, на начальном этапе, было сосредоточено на отдельных предложениях, в области автоматизированного реферирования внимание было обращено на более крупные участки текста (чаще всего на абзацы), в которых концентрировались рассуждения на одну и ту же тему. Другими словами, внимание исследователей в этой области с самого начала было ориентировано на выявление закономерностей, организующих смысловое единство текста. Работы в этом направлении оказали существенное влияние на использование ЭВМ для сочинения искусственных текстов.

Развитие информационно-поисковых систем, опирающихся на использование ЭВМ, также сыграло свою роль в формировании ряда парадигм искусственного интеллекта. Идея выделения и использования дескрипторов многократно использовалась в вопросно-ответных системах. Идея вычленения системы связей-отношений между отдельными фактами развилась впоследствии в идею семантической сети, столь важную для работ в области искусственного интеллекта.

2.3 Доказательство теорем

Еще одной областью, связанной с вычислительными задачами, является доказательство теорем. Эта область творческой деятельности человека наиболее просто поддается автоматизации, т.к. математическое доказательство в достаточной степени формализовано, особенно в тех разделах математики, которые тесно связаны с формальными системами. Поэтому первыми теоремами, доказанными с помощью ЭВМ с США в середине 50-х годов, были теоремы исчисления высказываний, а затем и исчисления предикатов. Несколько позже ЭВМ использовались для доказательства теорем абстрактной алгебры и некоторых несложных геометрических теорем. На первом этапе ЭВМ оказались способными искать лишь простые доказательства путем применения правил вывода к исходным аксиомам. Одной из первых систем такого типа была разработанная в СССР программа АЛПЕВ, созданная под руководством Н.А.Шанина. Однако довольно скоро внимание логиков привлекла сама проблема вывода и поиска эффективных процедур. Во второй половине 60-х годов были найдены две такие процедуры, которые прочно вошли в состав средств, используемых в исследованиях по искусственному интеллекту. Это метод резолюций, предложенный в 1965 году Дж.Робинсоном (США) и обратный метод С.Ю.Маслова (СССР), предложенный двумя годами позже. Оба метода дают возможность осуществлять поиск доказательств в исчислении предикатов и являются достаточно мощными.

Именно при доказательстве теорем впервые возникла идея эвристических правил, как путей сокращения большого перебора. Эта идея в дальнейшем развилась в целую ветвь - эвристическое программирование, сыгравшую большую роль на начальном этапе работ по интеллектуальным системам.

2.4 Распознавание образов

Это еще одно направление, родившееся в 50-е годы, как следствие начала использования ЭВМ для решения невычислительных задач. Распознавание образов - активно и бурно развивающаяся наука, имеющая ярко выраженное прикладное значение, выработавшая свои приемы и методы решения задач. Часть из них по своим идеям весьма далеки от идей и методов искусственного интеллекта. Поэтому они не оказали заметного влияния на его развитие. Другая же часть методов теории распознавания (особенно та, методы которой опираются на идею построения классифицирующей системы признаков в процессе обучения), наоборот, весьма близка к искусственному интеллекту, связана с ним и продолжает оказывать значительное влияние на работы в области интеллектуальных систем.

Не менее интересными для искусственного интеллекта являлись логико-лингвистические методы распознавания, опирающиеся на описание объектов классификации с помощью специальных языковых средств и на логический вывод в качестве решающего правила классификации.

2.5 Игровые программы

Использование ЭВМ для моделирования на них процесса игры также имеет давнюю историю. Программы для простых игр типа "крестики-нолики" или "ханойская башня" появились в самом конце 40-х годов. Потом число таких программ стало быстро увеличиваться. На ЭВМ стали воспроизводить процесс игры в различные карточные игры, домино, шашки, шахматы, и многие другие. При создании таких программ исследователи столкнулись с проблемой поиска и перебора.

Впервые проблема алгоритмизации шахматной игры была рассмотрена в 1949 г. К.Шенноном (США), который предложил использовать при организации шахматных программ следующие три принципа: 1) перебор возможных продолжений шахматной партии на определенное число ходов вперед; 2) оценка возникающих позиций с помощью некоторой оценочной функции, учитывающей материал и позицию; 3) использование эвристических приемов для сокращения перебора при просмотре ходов вперед за счет учета специфики шахматной игры.

В последнее время в связи с развитием методов искусственного интеллекта стали появляться новые идеи и в шахматных программах. Их функционирование стало опираться не на простой перебор вариантов, а на попытку смоделировать на ЭВМ особенности мышления человека-шахматиста.

2.6 Сочинение музыки и текстов

В середине 50-х годов в США, а несколько позже в СССР были сделаны первые попытки сочинения музыкальных произведений с помощью программ, реализуемых на ЭВМ. В основе этих программ лежала идея об использовании генераторов случайных чисел, интерпретируемых как нотные знаки со всеми присущими им параметрами, для порождения музыкального произведения за счет отбора из генерируемого потока нот лишь тех, которые удовлетворяли бы определенным правилам. Эти правила заимствовались из музыковедческой литературы и отражали специфику восприятия музыки человеком. В середине же 50-х годов делаются первые попытки использования ЭВМ для генерации связных текстов, как поэтических, так и прозаических. Однако до развития работ в области искусственного интеллекта эти исследования не получили достаточного распространения. Столь же незначительно повлияло на работы в области искусственного интеллекта появление первых программ, связанных с машинной графикой. Лишь несколько позже, когда появились хорошие черно-белые и цветные дисплеи, а программы машинной графики стали намного интереснее, специалисты в области искусственного интеллекта обратили внимание на эти работы. Сейчас же машинная графика стала вполне самостоятельным направлением и подобно распознаванию образов развивается вне рамок искусственного интеллекта, хотя и испытывает его влияние на свои методы и представления. Все перечисленные сферы применения ЭВМ для решения нечисловых задач сыграли роль катализирующих ферментов, способствуя консолидации усилий отдельных специалистов вокруг вопросов, связанных с решением задач, относящихся к сфере интеллектуальной деятельности человека. Эта консолидация привела к появлению первых моделей и систем, которые знаменовали собой переход к созданию новой науки - искусственного интеллекта.

3. Начальный этап развития

Важным моментом начала того направления, которое можно было бы назвать собственно искусственным интеллектом, была проведенная в 1956 г. конференция в Дартмуте (США). На этой конференции были К.Шеннон, М.Минский и Дж.Маккарти. Двум последним предстояло в дальнейшем сыграть крупную роль в становлении искусственного интеллекта. Именно на этой конференций сам термин "искусственный интеллект" приобрел права гражданства.

На пути становления искусственного интеллекта как самостоятельного направления имелось немало трудностей. Практика создания "интеллектуальных программ" выявила парадоксальное положение: чем больше создавалось таких программ, тем меньше были видны принципы их создания. Если, например, некоторый исследователь создавал эффективную программу для игры в шашки и вводил ее в память ЭВМ, то создание следующей интеллектуальной программы (например, игра в домино) никак не облегчалось тем, что в памяти ЭВМ уже хранится хорошая шашечная программа. Память ЭВМ могла заполняться интеллектуальными программами сколь угодно долго, но от этого ЭВМ не становилась "интеллектуальнее". Содержимое ее памяти напоминало огромную библиотеку, в которой хранятся знания почти по всем отраслям человеческой деятельности, но которая, конечно, никаким интеллектом не обладает. Становилось ясным, что на пути простого увеличения количества программ, одновременно хранимых в ЭВМ, нельзя добиться поднятия ее коэффициента интеллектуальности.

На начальном этапе развития работ в области искусственного интеллекта, продолжавшемся до начала 70-х годов, можно проследить как бы две тенденции в создании моделей интеллектуальной деятельности. Сторонники первой точки зрения рассматривают проблему создания интеллектуальных систем, как проблему создания особых программ, реализуемых на ЭВМ. При этом они не ставят перед собой задачи воспроизведения в этих программах тех процессов, которые протекают при решении тех же задач у человека. Таким образом, их интересует не то, как человек получает решение той или иной интеллектуальной задачи, а совпадение с тем результатом, который получен человеком. Такую точку зрения можно назвать информационной.

Другая точка зрения на создание интеллектуальных систем может быть названа нейробионической. Авторы, исповедующие ее, исходят из того, что для моделирования феномена мышления надо техническими средствами воссоздать тот нейрофизиологический субстрат, который породил мышление в органической природе. В середине 50-х годов появились первые модели простейших рефлекторных механизмов, в основе которых лежали модели нейронов.

искусственный интеллект перевод реферирование

4. Создание теоретической базы

Начальный этап развития исследований в области интеллектуальных программ подготовил к концу 60-х годов почву для возникновения новой парадигмы в области подобных исследований. Специалисты, работавшие в этой области, стали склоняться к мнению, что успех их исследований зависит не от того, насколько успешно та или иная программа решает конкретную интеллектуальную задачу, а от понимания общих принципов построения таких программ. Эти общие принципы должны развиваться в рамках специального научного направления - теории интеллектуальных программ или теории искусственного интеллекта, которая с конца 60-х годов стала пониматься именно таким образом.

В 1969 году в Вашингтоне состоялась Первая международная конференция по искусственному интеллекту (IJCAI). В 1976 г. начал издаваться международный журнал "Искусственный интеллект".

В течение 70-х годов сложились основные теоретические направления исследований в области интеллектуальных систем.

4.1 Представление знаний

Многие специалисты по интеллектуальным системам считают это направление работ основным. Именно появление знаний в памяти ЭВМ позволило, по их мнению, всерьез говорить о появлении "интеллекта" в программах, реализуемых на ЭВМ. Другими словами, труд программиста выполняет сама ЭВМ, а человек общается с ней таким же способом, как он это делает, когда общается со своим коллегой по работе.

4.2 Общение

Вторым большим направлением в ИИ являются исследования, касающиеся создания интеллектуальных программ, способных к организации антропоморфного общения интеллектуальной системы с пользователем. Чаще всего имеется в виду общение на ограниченном естественном языке, когда сообщения вводятся в ЭВМ в виде письменного текста или в виде последовательности речевых сигналов, а ответ интеллектуальной системы либо высвечивается на экране дисплея, либо формируется с помощью речевого синтезатора.

4.3 Рассуждения и планирование

Третье направление в работах по искусственному интеллекту связано с созданием и исследованием различных логических систем, способных воспроизводить в интеллектуальных системах особенности человеческих рассуждений при решении разнообразных задач.

Моделирование рассуждений подразумевает создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение. В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

4.4 Восприятие

Мы уже говорили, что в свое время распознавание образов оказало некоторое влияние на исследования по интеллектуальным системам. Теория распознавания образов в дальнейшем стала развиваться отдельно от работ в области ИИ. Но между ними появилась пограничная область - машинное восприятие, в которой методы каждой из наук переплетаются между собой. К восприятию относятся те задачи обработки зрительных образов, которые для своего решения требуют использования знаний.

4.5 Обучение

Как и восприятие, обучение интеллектуальных систем есть пограничная область между науками, развивающимися вне сферы искусственного интеллекта, и теми методами, которые характерны для интеллектуальных систем. Как правило, методы последнего типа - это процедуры обучения на основании использования информации о подтверждении или неподтверждении некоторых гипотез фактами, хранящимися в базе знаний интеллектуальных систем.

4.6 Деятельность

В этой части теории продолжают активно развиваться исследования в области решения комбинаторных и игровых задач, характерных еще для первого этапа развития работ в области ИИ, а также эвристического программирования. Только на данном этапе развития ИИ происходит осмысление постановок задач в этой области с точки зрения того уровня, который уже достигнут в интеллектуальных системах. А этот уровень стал уже настолько высок, что и в области ИИ стали возникать собственные программные и инструментальные средства. Стали возникать и новые формы деятельности, ранее не встречавшиеся в области интеллектуального программирования. Все это знаменовало наступление нового этапа в развитии искусственного интеллекта.

5. Переход к промышленным образцам

Начало 80-х годов характеризуется изменением взгляда на ИИ. Если ранее среди большинства специалистов бытовало мнение, что эта область науки представляет весьма специфический и ограниченный интерес, то к началу 80-х это мнение стало стремительно сменяться интересом к исследованиям в области интеллектуальных систем. Это произошло потому, что к тому моменту развитие теории искусственного интеллекта достигло такого уровня, когда на смену "игрушечным" моделям и чисто демонстрационным интеллектуальным программам стали приходить системы, интересные и важные для решения трудных практических задач, которые не могли быть решены ранее известными методами.

В ИИ стали активно развиваться инструментальные программные средства, ориентированные на специфику программирования возникающих здесь задач. Прежде всего, появилось семейство языков программирования, не ориентированных на решение чисто вычислительных задач. Среди этих языков наиболее известными являются языки ЛИСП и ПРОЛОГ. В языке ЛИСП основное внимание направлено на обработку символьной информации, объединенной в гибкие структуры, называемые списками. В группе логических языков, типичным представителем которой является ПРОЛОГ, чрезвычайно легко реализуются все операции, связанные с логическим выводом - основной операцией, реализуемой в системах типа решателя.

Кроме языков программирования стали активно развиваться различные инструментальные системы поддержки разработок интеллектуальных систем, дающие программистам возможность автоматизировать свою деятельность при создании новых интеллектуальных программ и систем.

Можно указать несколько областей практического приложения интеллектуальных систем, созданных в первой половине 80-х годов.

1. Традиционные системы управления. В ситуационных моделях использовались знания об объекте управления и методах управления им. Работы в этой области развернулись в 80-е годы в большинстве развитых стран и с их успешным завершением связываются огромные надежды на подъем уровня производства.

2. Автоматизация научной и инженерной деятельности. С конца 70-х годов весьма стремительно развиваются и внедряются в практику интеллектуальные пакеты прикладных программ (ИППП). Эти системы позволяют специалисту, работающему в определенной области, гибко и с затратой минимальных усилий использовать богатые библиотеки разнообразных прикладных программ, предназначенных для решения задач в этой области.

Расчетно-логические системы - еще один вид интеллектуальных систем, используемый в исследовательской деятельности. Они являются дальнейшим развитием ИППП и предоставляют пользователю еще более богатые возможности по работе с моделью предметной области и пакетом прикладных программ. Как правило, в таких системах имеется хорошо развитая графическая система общения, делающая наглядными и легко изменяемыми чертежи и схемы, хранящиеся в памяти системы.

Обучающие системы (тьюторы) становятся в 80-е годы все более и более популярными. Сейчас уже пользователь, впервые садящийся за пульт персональной ЭВМ с незнакомой ему программной системой, в которой он собирается работать, практически всегда начинает с обучения правилам работы с помощью тьютора, являющегося неотъемлемой частью системы.

Экспертные системы (ЭС) - наиболее известный тип современных промышленных интеллектуальных систем. Принципиальное отличие ЭС от других систем ИИ - это наличие системы обоснования. Задачей системы обоснования является формирование пользователю, если он этого требует, совокупности объяснений о том, как система получила то решение, которое она выдала пользователю.

В целом ЭС бывают двух типов. ЭС первого типа близки к тьюторам. Они используются для помощи специалистам, решающим нужную им задачу, но не обладающим всеми необходимыми для этого знаниями. Таким специалистом может быть врач, впервые столкнувшийся с неизвестным ему заболеванием. ЭС второго типа предназначены для работы со специалистами, ведущими научные исследования. Они являются для них вспомогательным инструментом, предназначенным для совместной работы в диалоговом режиме. Такие ЭС могут быстро производить нужные расчеты, создавать геометрические зрительные образы конструируемых объектов, быстро искать информацию в базе по запросу пользователя и т.п.

3. Производство ЭВМ новых поколений. В начале 80-х годов произошел всплеск в области конструирования ЭВМ. Известный проект "ЭВМ пятого поколения - путь к прогрессу", выдвинутый Японией, вызвал широкий отклик во всех развитых странах, ибо декларировал переход на новый уровень переработки информации и решения задач. ЭВМ пятого поколения должны быть такими, чтобы пользователь мог их применять с такой же легкостью, с какой он пользуется другими приборами, носящими название бытовых.

Так искусственный интеллект, подобно тому, как это ранее произошло с вычислительной техникой, стал в середине 80-х годов одним из ведущих направлений научно-технического прогресса.

6. Подходы к изучению

Существуют различные подходы к построению систем ИИ. На данный момент можно выделить 4 достаточно различных подхода:

1) Логический подход

Основой для логического подхода служит Булева алгебра. Свое дальнейшее развитие она получила в виде исчисления предикатов, в котором она расширена за счет введения предметных символов, отношений между ними, кванторов существования и всеобщности. Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом. Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели (такая система известна как экспертные системы).

2) Структурный подход

Под структурным подходом мы подразумеваем попытки построения ИИ путем моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Френка Розенблатта. Основной моделируемой структурной единицей в перцептронах является нейрон. Позднее возникли и другие модели, которые известны под термином нейронные сети (НС). Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения. Различия между логическим и структурным подходом не столь принципиальны, как это может показаться на первый взгляд. Алгоритмы упрощения и вербализации нейронных сетей преобразуют модели структурного подхода в явные логические модели.

3) Эволюционный подход

При построении систем ИИ по данному подходу основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть составлена по самым различным методам, это может быть и НС и набор логических правил и любая другая модель. После этого мы включаем компьютер и он, на основании проверки моделей отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели.

4) Имитационный подход

Данный подход является классическим для кибернетики с одним из ее базовых понятий черный ящик. Объект, поведение которого имитируется, как раз и представляет собой "черный ящик". Нам не важно, что у него и у модели внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же. Таким образом, здесь моделируется другое свойство человека -- способность копировать то, что делают другие, без разложения на элементарные операции и формального описания действий. Зачастую эта способность экономит ему массу времени, особенно в начале его жизни.

7. Области практического применения Искусственного Интеллекта

Современные работы в области практического применения искусственного интеллекта ведутся по нескольким основным направлениям:

· Распознавание образов. Эта проблема касается распознавания зрительных или звуковых образов, а также других модальностей. Медицинская диагностика, предсказание погоды являются примерами задач распознавания образов.

· Использование естественного языка. Под этим подразумевается разработка систем "вопрос-ответ" и систем автоматического перевода.

· Экспертные системы. В них воплощаются большие объемы знаний и навыков, присущих эксперту - человеку. Эти системы представляют большую ценность, в частности, в медицинской диагностике, в геологии, а также в некоторых других областях.

· Инженерия знаний. Эта область не является самостоятельной, но сам термин отражает определенное отношение к тому, каким образом следует осуществлять взаимодействие различных видов знаний в распознавании образов, робототехнике и в экспертных системах, а также включает ту область, в рамках которой ведутся исследования по определению знаний, манипулированию ими и слежению за пополнением и корректировкой знаний.

· Моделирование игр. Игры являются хорошей основой для изучения эвристического поиска. Программы ведения игр, несмотря на их простоту, ставят перед исследователями новые вопросы, включая вариант, при котором ход противника невозможно определенно предугадать.

· Доказательство теорем. Данная область перекрывается с определенными областями математики и решением проблем в ряде других областей (например, в робототехнике).

· Нейронные сети. В эту сложную область исследований входят такие перспективные методы, как обработка видеоизображений и их преобразование в векторные графические модели, автоматизация построения и анализа объектов моделей или местности с учетом динамики их развития, получение аналитических решений в графическом виде в режиме реального времени, работа с зашумленными данными и многое другое, в частности: в экономике для предсказания рынков, оценки риска невозврата кредитов, предсказания банкротств, автоматического рейтингования, оптимизации товарных и денежных потоков, автоматического считывания чеков и форм. В медицине: обработка медицинских изображений, мониторинг состояния пациентов, диагностика, факторный анализ эффективности лечения, очистка показаний приборов от шумов. В авиации: обучаемые автопилоты, распознавание сигналов радаров, адаптивное пилотирование сильно поврежденного самолета. В средствах связи: сжатие видеоинформации, быстрое кодирование-декодирование, оптимизация сотовых сетей и схем маршрутизации пакетов.

· Генетические алгоритмы. С помощью генетических алгоритмов и методик искусственной жизни исследователи вырабатывают новые решения проблем из компонентов предыдущих решений. Генетические операторы, такие как скрещивания или мутация, подобно своим эквивалентам в реальном мире, вырабатывают с каждым поколением все лучшие решения.

· Робототехника. Это область исследований, которая ставит перед собой цель вывести машины из вычислительных центров в реальный мир. Для робототехники становится необходимым, чтобы эти машины обладали не только интеллектом, но и мускулами: они должны иметь "глаза" и "уши". (В некоторых системах превзойдены возможности человеческого зрения - использование лазеров позволяет измерять расстояние гораздо точнее, чем это доступно бинокулярному зрению человека). Но, несмотря на заметное превосходство в быстроте принятия решения задач, многое из того, что человек делает с легкостью, для машин оказывается очень трудным. Робот, слепо выполняющий последовательность действий, не реагируя на изменения в своем окружении, или неспособный обнаруживать и исправлять ошибки в своем собственном плане, едва ли может считаться разумным.

8. Перспективы развития искусственного интеллекта

Рей Курцвейл (изобретатель, писатель и футурист) предсказывает, что, в конце концов, человеческий и компьютерный интеллекты сольются и станут неотличимыми. Объем данных о мозге человека, которые собирают ученые, с каждым годом увеличивается почти вдвое; по мере получения все новых данных о конкретных участках мозга, люди довольно скоро и быстро смогут создавать подробные математические модели этих участков. По самым скромным подсчетам, к концу 2020-х годов мы получим очень точную, детальную эмуляцию работы всех участков мозга. Люди научатся объединять преимущества человеческого интеллекта, в частности способность распознавать образы, с теми возможностями, в которых, как уже очевидно, машины нас превосходят. Более того, к концу 2040-х годов один кубический дюйм микросхемы на нанотрубках будет в 100 миллионов раз более мощным, чем мозг человека. Что касается программного обеспечения, то в 3030-х годах машины смогут обращаться к собственному исходному коду и совершенствовать его в рамках все более ускоряющегося цикла проектирования. Поэтому, в конце концов, эти системы станут значительно более интеллектуальными, чем люди, и будут сочетать в себе преимущества биологического и небиологического интеллекта. К концу 2020-х годов нанороботы (то есть машины размером, сопоставимым с молекулой, обладающие функциями движения, обработки и передачи информации, исполнения запрограммированных команд, а также способные к созданию своих копий, т.е. самовоспроизводству) будут обладать серьезными вычислительными, коммуникативными и роботизированными возможностями. Например, нанороботические белые кровяные тельца смогут загружать программное обеспечение для конкретного патогенного микроорганизма в теле человека и разрушать его буквально за несколько секунд, притом, что наши биологические кровяные тельца тратят на это несколько часов. Нанороботы, направленные в мозг, позволят человеку значительно расширить возможности своего интеллекта, мы сможем выйти за пределы биологических границ, тем самым радикально увеличить продолжительность жизни. Небиологическая часть будет увеличиваться примерно в 1000 раз за десять лет, и биологическая часть в конечном итоге станет очень незначительной.