Развитие систем искусственного интеллекта распознавания образов

Размещено на http://www.allbest.ru/

КОНТРОЛЬНАЯ РАБОТА

на тему: «Развитие систем искусственного интеллекта распознавания образов»

3.1 Мысленный эксперимент

4. Норберт Винер и искусственный интеллект

1. Перспективные технологии

Автор попытался составить общую картину развития различных направлений ИИ путем анализа тематики европейских и американских конференций по ИИ за последние несколько лет (ежемесячно в мире проходят десятки таких конференций). Сначала вкратце рассмотрим наиболее активно развиваемые подходы ИИ - в порядке убывания их популярности у специалистов. Надо отметить, что меньшая популярность нередко связана не столько с потенциалом технологии, сколько с отдаленностью перспектив ее прикладной реализации (например, крайне высокий потенциал киберзаводов пока не вызывает серьезного интереса из-за наличия множества нерешенных задач по их управлению).

модель распознавание образ искусственный интеллект

1.1 Нейронные сети

Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей, - финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идет усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

1.2 Эволюционные вычисления

На развитие сферы эволюционных вычислений (ЭВ; автономное и адаптивное поведение компьютерных приложений и робототехнических устройств) значительное влияние оказали прежде всего инвестиции в нано технологии. ЭВ затрагивают практические проблемы само сборки, само конфигурирования и самовосстановления систем, состоящих из множества одновременно функционирующих узлов. При этом удается применять научные достижения из области цифровых автоматов.

Другой аспект ЭВ - использование для решения повседневных задач автономных агентов в качестве персональных секретарей, управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощью поисковых алгоритмов третьего поколения, планировщиков работ, личных учителей, виртуальных продавцов и т. д. Сюда же относится робототехника и все связанные с ней области. Основные направления развития - выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей.

Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п.

1.3 На третьем - пятом местах (по популярности) располагаются большие группы различных технологий

Нечеткая логика

Системы нечеткой логики активнее всего будут применяться преимущественно в гибридных управляющих системах.

Обработка изображений

Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использованием различных протоколов, обработка биометрических образов, снимков со спутников), независимых от устройств воспроизведения, оптимизации цветового представления на экране и при выводе на печать, распределенных методов получения изображений.

Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации защиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов.

Экспертные системы

Спрос на экспертные системы остается на достаточно высоком уровне. Наибольшее внимание сегодня привлечено к системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.

Интеллектуальные приложения

Рост числа интеллектуальных приложений, способных быстро находить оптимальные решения комбинаторных проблем (возникающих, например, в транспортных задачах), связан с производственным и промышленным ростом в развитых странах.

Распределенные вычисления

Распространение компьютерных сетей и создание высокопроизводительных кластеров вызвали интерес к вопросам распределенных вычислений - балансировке ресурсов, оптимальной загрузке процессоров, само конфигурированию устройств на максимальную эффективность, отслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, моделированию подобных систем.

ОС РВ

Появление автономных робототехнических устройств повышает требования к ОС реального времени - организации процессов самонастройки, планирования обслуживающих операций, использования средств ИИ для принятия решений в условиях дефицита времени.

Интеллектуальная инженерия

Особую заинтересованность в ИИ проявляют в последние годы компании, занимающиеся организацией процессов разработки крупных программных систем (программной инженерией). Методы ИИ все чаще используются для анализа исходных текстов и понимания их смысла, управления требованиями, выработкой спецификаций, проектирования, код генерации, верификации, тестирования, оценки качества, выявления возможности повторного использования, решения задач на параллельных системах.

Программная инженерия постепенно превращается в так называемую интеллектуальную инженерию, рассматривающую более общие проблемы представления и обработки знаний (пока основные усилия в интеллектуальной инженерии сосредоточены на способах превращения информации в знания).

1.4 Следующая по популярности группа технологий ИИ

Автоматический анализ естественных языков (лексический, морфологический, терминологический, выявление незнакомых слов, распознавание национальных языков, перевод, коррекция ошибок, эффективное использование словарей).

Высокопроизводительный OLAP-анализ и раскопка данных, способы визуального задания запросов. Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хирургических операций.

Создание полностью автоматизированных киберзаводов, гибкие экономные производства, быстрое прототипирование, планирование работ, синхронизация цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей.

Небольшое число конференций посвящено выработке прикладных методов, направленных на решение конкретных задач промышленности в области финансов, медицины и математики.

Традиционно высок интерес к ИИ в среде разработчиков игр и развлекательных программ (это отдельная тема). Среди новых направлений их исследований - моделирование социального поведения, общения, человеческих эмоций, творчества.

1.5 ИИ в Стране восходящего солнца

Профиль японских конференций (а этой стране принадлежит немало оригинальных и уникальных достижений в области ИИ), не сильно отличается от общемирового. Тем интереснее эти отличия - на них сосредоточены значительные объемы инвестиций государственных и частных японских организаций. Среди направлений, более популярных в Японии в сравнении с европейскими и американскими школами ИИ, отметим следующие: создание и моделирование работы э-рынков и э-ауционов, биоинформатика (электронные модели клеток, анализ белковой информации на параллельных компьютерах, ДНК-вычислители), обработка естественных языков (самообучающиеся многоязычные системы распознавания и понимания смысла текстов), Интернет (интеграция Сети и всевозможных датчиков реального времени в жилых домах, интеллектуальные интерфейсы, автоматизация рутинных работ на основе формализации прикладных и системных понятий Интернета, итерационные технологии выделения нужных сведений из больших объемов данных), робототехника (машинное обучение, эффективное взаимодействие автономных устройств, организация движения, навигация, планирование действий, индексация информации, описывающей движение), способы представления и обработки знаний (повышение качества знаний, методы получения знаний от людей-экспертов, раскопка и поиск данных, решение на этой основе задач реального мира - например, управления документооборотом).

2. Логическая модель представления знаний -- модель в представлении знаний

Основная идея подхода при построении логических моделей представления знаний -- вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем: S = < B,F,A,R > , где:

B -- счетное множество базовых символов (алфавит);

F -- множество, называемое формулами;

A -- выделенное подмножество априори истинных формул (аксиом);

R -- конечное множество отношений между формулами, называемое правилами вывода.

2.1 Достоинства логических моделей представления знаний

В качестве «фундамента» здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы.

Существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования Пролог, использующие механизмы автоматического доказательства теорем для поиска и логически осмысленного вывода информации

В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода, а также Данные, факты и другие сведения о людях, предметах, событиях и процессах.

Логическая (предикатная) модель представления знаний основана на алгебре высказываний и предикатов, на системе аксиом этой алгебры и ее правилах вывода. Из предикатных моделей наибольшее распространение получила модель предикатов первого порядка, базирующаяся на термах (аргументах предикатов - логических констант, переменных, функций), предикатах (выражениях с логическими операциями). Предметная область описывается при этом с помощью предикатов и системы аксиом.

Пример. Возьмем утверждение: «Инфляция в стране превышает прошлогодний уровень в 2 раза». Это можно записать в виде логической модели: r(InfNew, InfOld, n), где r(x,y) - отношение вида «x=ny», InfNew - текущая инфляция в стране, InfOld - инфляция в прошлом году. Тогда можно рассматривать истинные и ложные предикаты, например, r(InfNew, InfOld, 2)=1, r(InfNew, InfOld, 3)=0 и т.д. Очень полезные операции для логических выводов - операции импликации, эквиваленции и др.

Логические модели удобны для представления логических взаимосвязей между фактами, они формализованы, строги (теоретические), для их использования имеется удобный и адекватный инструментарий, например, язык логического программирования Пролог.

При реализации указанных выше моделей используются эвристики - эмпирические или полуэмпирические правила, с помощью которых эксперт (экспертная группа) в отсутствие алгоритма (например, задача плохо структурируема) пытается найти решение, моделируя возможный ход рассуждений эксперта на основе эвристической информации, получаемых в результате опыта, наблюдения, сбора и анализа статистики.

2.2 Логическая модель

В основе логического способа представления знаний лежит идея описания знаний о предметной области в виде некоторого множества утверждений, выраженных в виде логических формул, и получение решения построением вывода в некоторой формальной (дедуктивной) системе.

Знания, которые могут быть представлены с помощью логики предикатов, являются либо фактами, либо правилами. При использовании логических методов сначала анализируется структура предметной области, затем выбираются соответствующие обозначения и в заключении формируются логические формулы, представляющие собой закономерности рассматриваемой области. Множество таких формул является логической программой, содержащей информацию о ПО.

Например, в качестве языка логического программирования можно использовать ПРОЛОГ, а совокупность логических формул, состоящую из запроса, множества предложений программы и интерпретатора языка, можно рассматривать как алгоритм решения задач приложений.

3. «Китайская комната» Дж. Сёрла

Китайская комната -- мысленный эксперимент, описанный Джоном Сёрлем, в котором критикуется возможность моделирования человеческого понимания естественного языка, создания так называемого «сильного искусственного интеллекта«. В частности является критикой теста Тьюринга.

Был предложен в 1980 году в статье «Minds, Brains, and Programs» («Разум, мозг и программы»).

3.1 Мысленный эксперимент

В популярной статье «Is the Brain's Mind a Computer Program?» («Является ли мозговое мышление компьютерной программой?»), опубликованной в 1990 году, Сёрль описывает эксперимент следующим образом (цитируется по русскому переводу: «В мире науки», 1990, № 3, с. 7-13):

Возьмём, например, какой-нибудь язык, которого вы не понимаете. Для меня таким языком является китайский. Текст, написанный по-китайски, я воспринимаю как набор бессмысленных каракулей. Теперь предположим, что меня поместили в комнату, в которой расставлены корзинки, полные китайских иероглифов. Предположим также, что мне дали учебник на английском языке, в котором приводятся правила сочетания символов китайского языка, причём правила эти можно применять, зная лишь форму символов, понимать значение символов совсем необязательно. Например, правила могут гласить: «Возьмите такой-то иероглиф из корзинки номер один и поместите его рядом с таким-то иероглифом из корзинки номер два».

Представим себе, что находящиеся за дверью комнаты люди, понимающие китайский язык, передают в комнату наборы символов и что в ответ я манипулирую символами согласно правилам и передаю обратно другие наборы символов. В данном случае книга правил есть не что иное, как «компьютерная программа». Люди, написавшие её, -- «программисты», а я играю роль «компьютера». Корзинки, наполненные символами, -- это «база данных»; наборы символов, передаваемых в комнату, это «вопросы», а наборы, выходящие из комнаты, это «ответы».

Предположим далее, что книга правил написана так, что мои «ответы» на «вопросы» не отличаются от ответов человека, свободно владеющего китайским языком. Например, люди, находящиеся снаружи, могут передать непонятные мне символы, означающие; «Какой цвет вам больше всего нравится?» В ответ, выполнив предписанные правилами манипуляции, я выдам символы, к сожалению, мне также непонятные и означающие, что мой любимый цвет синий, но мне также очень нравится зелёный. Таким образом, я выдержу тест Тьюринга на понимание китайского языка. Но все же на самом деле я не понимаю ни слова по-китайски. К тому же я никак не могу научиться этому языку в рассматриваемой системе, поскольку не существует никакого способа, с помощью которого я мог бы узнать смысл хотя бы одного символа. Подобно компьютеру, я манипулирую символами, но не могу придать им какого бы то ни было смысла.

В 1984 году Сёрль формулирует свою идею более формализовано. Он рассматривает следующие предпосылки:

Предпосылка 1: Мозг порождает разум.

Предпосылка 2: Синтаксиса недостаточно для существования семантики.

Предпосылка 3: Компьютерная программа полностью определяется своей синтаксической структурой.

Предпосылка 4: Человеческий разум оперирует смысловым содержанием (семантикой).

И делает заключения:

Заключение 1: Программы не являются сущностью разума и их наличия недостаточно для наличия разума.

Заключение 2: Тот способ, посредством которого человеческий мозг на самом деле порождает ментальные явления, не может сводиться лишь к выполнению компьютерной программы.

Заключение 3: То, что порождает разум, должно обладать по крайней мере причинно-следственными свойствами, эквивалентными соответствующим свойствам мозга.

По мнению Станислава Лема, интеллект «китайской комнаты» действительно существует, располагаясь в мозгу её создателя -- того, кто разработал систему правил обращения с иероглифами для участника эксперимента. Автор эксперимента должен был заранее предусмотреть все комбинации вопросов и ответов или придумать принцип подбора ответа на вопрос. В реальных условиях при создании предполагаемого искусственного интеллекта едва ли подобное будет возможно.

Также, возможно, человеческий разум есть не что иное, как продуманная либо природой, либо «сверх существами» компьютерная программа со всеми возможными вариантами ответов или принципом подбора из вариантов, который человечество еще не осознало и не изучило.

4. Норберт Винер и искусственный интеллект

Норберт Винер, завершил свой первый фундаментальный труд “Кибернетика” в возрасте 54 лет. Подобная выдержка замечательным образом характеризует вечно сомневающегося во всём большого учёного. Думаю, читатель сумеет по достоинству оценить степень “выстраданности” материалов, преподнесённых в самой известной книге Винера, если вспомнит первые главы биографии “отца кибернетики”.

Родители Норберта были выходцами из небольшого городка Белосток в Белоруссии. Слыли они людьми солидными и разумными, обладали достаточно высоким социальным статусом и немалым достатком. Ребёнок, названный на американский манер Норбертом, появился на свет 26 ноября 1894 года. Сей факт был зафиксирован федеральными властями в книге приходов и расходов человеческих жизней округа Колумбия штата Миссури.

Лео с первых дней начал нервно суетиться вокруг сына, придирчиво наблюдая за его рефлексами, в естественном для всякого отца стремлении обнаружить явные признаки гениальности у своего чада. Практикующий профессор Винер обрушился на невинного ребёнка со всей непоколебимостью новейших учебно-воспитательных методик. Мальчик учился говорить и думать одновременно на нескольких языках, а читать начал едва ли не раньше, чем освоил нелёгкое искусство перемещения на своих двоих. В 4 года он уже был допущен к родительской библиотеке, а в 7 лет написал свой первый научный трактат по дарвинизму. Таким образом, напоминаю, между первой научной работой и первым публичным трудом случились почти полвека тягостных раздумий. Однако интересы юного гения не ограничивались вопросами биологии и происхождения рода человеческого. Он с одинаковым увлечением цитировал терцины Данте и лженаучные монологи сказочного Паганеля. Ему грезились глубины ада и населённые неведомыми существами таинственные земли в возрасте, когда нормальным детям снятся сладкие розовые петушки и первые буквы алфавита. Домашнее воспитание не прошло даром.

Норберт никогда по-настоящему не учился в средней школе. Зато 11 лет от роду он поступил в престижный Тафт-колледж, который закончил с отличием уже через три года. К 18 годам Норберт Винер уже числился доктором философии по специальности “математическая логика” в Корнельском и Гарвардском университетах. В девятнадцатилетнем возрасте доктор Винер был приглашён на кафедру математики Массачусетского Технологического Института, “где он и прослужил до последних дней своей малоприметной жизни”.

В МТИ, Винеру удалось “плодотворно переждать смутное время” между Первой и Второй Мировыми войнами. Пока вся Америка то трепетала в голодном отчаянии, то утешалась великодержавной эйфорией, “чистый учёный” делал своё дело. Он успел стать профессором Гарвардского, Корнельского, Колумбийского, Брауновского, Геттингенского и прочих университетов. Во время второй мировой войны, на которую профессор пожелал быть призванным, он работает над математическим аппаратом для систем наведения зенитного огня. Он разработал новую действенную вероятностную модель управления силами ПВО.

«Кибернетика» Винера увидела свет в 1948 году. Она практически сразу была признана мировой научной общественностью “трудом из ряда вон…”, переведена на десятки языков, однако понимание величия этого творения пришло много позже. Читать “Кибернетику” трудно (впрочем, с этого я начал данный текст). Читателю нужно неплохо разбираться и в математической логике, и в нейрофизиологии, и в статистике, и в инженерии, и в философии, чтобы оценить её по достоинству. Фундаментальный труд? Ну и что? Я знаю очень многих хороших программистов, которые даже не держали “Кибернетику” в руках. Точнее так, я знаю очень немногих программистов, которые её в руках держали. Читали, так вообще единицы! Что такое “кибернетика”? Платон (казалось бы, случайно упомянутый выше) утверждал, что словом, похожим на это, финикийцы обозначали сложнейшую науку своего времени, науку судовождения. Если бы Платон и Винер могли встретиться не только на книжной полке, древний грек изменил бы собственное мнение (истина дороже!). По Винеру, кибернетика - это наука об управлении, связях и обработке информации в технике, живых организмах и человеческом обществе. Наука, позволяющая творить искусственный интеллект. Наука, позволяющая управлять искусственным интеллектом.

В спецхране можно было получить секретный отчёт Винера Правительству США по теории экстраполяции случайных последовательностей и процессов. Отчёт был издан в ярко-жёлтой обложке и среди математиков, имевших доступ к этому материалу и испытывавших немалые трудности при чтении этого отчета, получил название “жёлтой опасности”. Из воспоминаний профессора МГУ В. Тихомирова

Винер полагал очевидным, что многие концептуальные схемы, определяющие поведение живых организмов при решении конкретных задач, практически идентичны схемам, характеризующим процессы управления в сложных технических системах. Более того, он убедительно доказывал, что социальные модели управления и модели управления в экономике могут быть проанализированы на основе тех же общих положений, которые разработаны в области управления системами, созданными людьми. Эти идеи получили развитие в очередном “популярно-математическом” труде, известном в русском переводе как “Кибернетика и общество”. Совместно с Клодом Шенноном Винер заложил основы современной теории информации (кстати, слово “бит” - тоже их придумка). В лучах славы “отца кибернетики” могли греться целые академии. И тут, как показалось многим, “старик спятил”. Авторитетнейший Винер публикует подряд два произведения, роман “Искуситель” и философский трактат “Творец и Голем”, в которых недвусмысленно даёт понять человечеству, что не только напуган разбуженной им стихией “нечеловеческой мысли”, но и готов предложить свои услуги по изничтожению дьявольского творения.

За пару месяцев до смерти Норберт Винер был удостоен Золотой Медали Учёного, высшей награды для человека науки в Америке.

Он тихо умер весной 64-го года в Стокгольме. Голем пережил своего Творца.

Размещено на Allbest.ru