Автор работы: Пользователь скрыл имя, 14 Февраля 2012 в 16:23, курсовая работа
Цель курсовой работы – изучение и анализ искусственного интеллекта и интеллектуальных компьютерных систем. В структуру курсовой работы входят введение, две главы, заключение, список использованных источников, в которых подробно рассмотрен комплекс вопросов, посвященных созданию и развитию искусственного интеллекта, а также рассмотрены системы искусственного интеллекта.
Довольно большое распространение получил и эволюционный подход. При построении систем искусственного интеллекта 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, из которых опять выбираются самые лучшие и т. д. В принципе можно сказать, что эволюционных моделей как таковых не существует, существует только эволюционные алгоритмы обучения, но модели, полученные при эволюционном подходе имеют некоторые характерные особенности, что позволяет выделить их в отдельный класс [22, с. 163].
Такими особенностями являются перенесение основной работы разработчика с построения модели на алгоритм ее модификации и то, что полученные модели практически не сопутствуют извлечению новых знаний о среде, окружающей систему искусственного интеллекта, то есть она становится как бы вещью в себе. Еще один широко используемый подход к построению систем искусственного интеллекта – имитационный. Данный подход является классическим для кибернетики с одним из ее базовых понятий – "черным ящиком" (ЧЯ). ЧЯ – устройство, программный модуль или набор данных, информация о внутренней структуре и содержании которых отсутствуют полностью, но известны спецификации входных и выходных данных. Объект, поведение которого имитируется, как раз и представляет собой такой "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, не вдаваясь в подробности, зачем это нужно. Зачастую эта способность экономит ему массу времени, особенно в начале его жизни. Основным недостатком имитационного подхода также является низкая информационная способность большинства моделей, построенных с его помощью.
С ЧЯ связана одна очень интересная идея. Кто бы хотел жить вечно? Я думаю, что почти все ответят на этот вопрос "я".
Представим себе, что за нами наблюдает какое-то устройство, которое следит за тем, что в каких ситуациях мы делаем, говорим. Наблюдение идет за величинами, которые поступают к нам на вход (зрение, слух, вкус, тактильные, вестибулярные и т. д.) и за величинами, которые выходят от нас (речь, движение). Таким образом человек выступает здесь как типичный ЧЯ.
Далее это устройство пытается отстроить какую-то модель таким образом, чтобы при определенных сигналах на входе человека, она выдавала на выходе те же данные, что и человек. Если данная затея будет когда-нибудь реализована, то для всех посторонних наблюдателей такая модель будет той же личностью, что и реальный человек. А после его смерти она, будет высказывать те мысли, которые предположительно высказывал бы и смоделированный человек.
Мы можем пойти дальше и скопировать эту модель и получить брата близнеца с точно такими же "мыслями".
Можно сказать, что "это конечно все интересно, но при чем тут я? Ведь эта модель только для других будет являться мной, но внутри ее будет пустота. Копируются только внешние атрибуты, но я после смерти уже не буду думать, мое сознание погаснет (для верующих людей слово "погаснет" необходимо заменить на "покинет этот мир")". Что ж это так. Но попробуем пойти дальше.
Согласно философским представлениям Бойко Д.Н., сознание представляет собой сравнительно небольшую надстройку над нашим подсознанием, которая следит за активностью некоторых центров головного мозга, таких как центр речи, конечной обработки зрительных образов, после чего "возвращает" эти образы на начальные ступени обработки данной информации. При этом происходит повторная обработка этих образов, мы как бы видим и слышим, что думает наш мозг. При этом появляется возможность мысленного моделирования окружающей действительности при нашем "активном" участии в данном процессе. И именно наш процесс наблюдения за деятельностью этих немногих центров является тем, что мы называем сознанием. Если мы "видим" и "слышим" наши мысли, мы в сознании, если нет, то мы находимся в бессознательном состоянии [23].
Если бы мы смогли смоделировать работу именно этих немногих "сознательных" нервных центров (работа которых правда основана на деятельности всего остального мозга) в качестве одного ЧЯ, и работу "супервизора" в качестве другого ЧЯ, то можно было бы с уверенностью говорить, что "да, данная модель думает, причем так же, как и я". Здесь я ничего не хочу говорить о том, как получить данные о работе этих нервных центров, поскольку на мой взгляд сегодня нет ничего такого, что позволило бы следить за мозгом человека годами и при этом не мешало бы его работе и жизни.
Заканчивая ознакомление с различными методами и подходами к построению систем искусственного интеллекта, хотелось бы отметить, что на практике очень четкой границы между ними нет. Очень часто встречаются смешанные системы, где часть работы выполняется по одному типу, а часть по-другому.
2.
2 Знания и модели их представления
Для специалистов в области искусственного интеллекта термин «знания» означает информацию, которая необходима программе, чтобы она вела себя «интеллектуально». Функционирование средств интеллектуального интерфейса опирается на развитые методы работы со знаниями: их представление, хранение, преобразование [3, с. 44]. Под термином «знания» при этом понимается вся совокупность информации, необходимой для решения задачи, включающая в себя, в том числе информацию о:
– системе понятий предметной области, в которой решаются задачи;
– системе понятий формальных моделей, на основе которых решаются задачи;
– соответствии систем понятий, упомянутых выше;
– текущем состоянии предметной области;
– методах решения задач.
При этом система знаний должна быть организована таким образом, чтобы обеспечить взаимодействие вычислительной системы с пользователем в системе понятий и терминов предметной области [16, с. 15].
Что же такое знания и чем они отличаются от данных в системах машинной обработки?
Знания – это целостная и систематизированная совокупность понятий о закономерностях природы, общества и мышления, накопленных человечеством в процессе активной преобразующей производственной деятельности и направленная на дальнейшее познание и изменение объективного мира.
Следовательно, интеллектуальная деятельность человека связана с поиском решений в новых, нестандартных ситуациях. Отсюда, задача называется интеллектуальной, если алгоритм ее решения априори неизвестен. При этом задача и ее решение понимаются в самом широком смысле. Решение задачи – это любая деятельность (человека или машины), связанная с выработкой планов и действий, необходимых для достижения определенной цели; выводом новых закономерностей и т. п. Любая интеллектуальная деятельность опирается на знания о предметной области, в которой ставятся и решаются задачи. Предметной областью обычно называют совокупность взаимосвязанных сведений, необходимых и достаточных для решения данной задачи или определенной совокупности задач.
Знания о предметной области включают описания объектов, явлений, фактов, а также отношений между ними.
В общем виде знания в ЭВМ представляются некоторой семиотической (знаковой) системой, в которой выделяются по аналогии с данными три аспекта: синтаксический, семантический и прагматический [2, с. 17].
Синтаксис описывает внутреннее устройство знаковой системы, т. е. правила построения и преобразования сложных знаковых выражений. Для естественного языка синтаксис определяет правильное построение предложений и связанного текста. Семантика определяет отношения между знаками и их свойствами (концептами), т. е. задает смысл или значения конкретных знаков.
Прагматика определяет знак с точки зрения конкретной сферы его применения либо субъекта, использующего данную знаковую систему.
В соответствии с перечисленными аспектами семиотических систем можно выделить три типа знаний: синтаксические, семантические и прагматические.
Синтаксические знания характеризуют синтаксическую структуру описываемого объекта или явления, которая не зависит от смысла и содержания используемых при этом понятий. Семантические знания содержат информацию, непосредственно связанную со значениями и смыслом описываемых объектов и явлений.
Прагматические знания описывают объекты и явления с точки зрения решаемой задачи, например, с учетом действующих в данной даче специфических критериев. Трем типам знаний соответствуют и три типа моделей для их представления: синтаксические, семантические и прагматические. Наличие двух последних является наиболее существенным признаком, отличающим интеллектуальные системы от всех других.
Прежде чем перейти к описанию моделей представления знаний, проанализируем особенности знаний, которые собственно и отличают их от данных. Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно интерпретироваться лишь соответствующей программой. В отрыве от нее данные не несут никакой содержательной информации. Знания отличаются тем, что возможность содержательной интерпретации всегда присутствует.
Структурированность или наличие классифицирующих отношений. Несмотря на разнообразие форм хранения данных, ни одна из них не обеспечивает возможности компактного описания всех связей между различными типами данных. Информационные единицы знаний должны обладать гибкой структурой, т. е. для них должен выполняться «принцип матрешки» – такой вложимости, когда любую информационную единицу можно включить в состав другой и из каждой информационной единицы можно выделить некоторые ее составляющие. Это позволяет записывать и хранить отдельно информацию, одинаковую для всех элементов множества. При необходимости эту информацию можно автоматически передать описанию любого элемента множества. Такой процесс называется «наследованием» информации.
Наличие ситуативных связей или связность. Они определяют ситуативную совместимость отдельных событий или фактов, хранимых или вводимых в память, а также такие отношения, как одновременность, расположение в одной области пространства, нахождение в состоянии механического или иного взаимодействия и т. п. Ситуативные связи помогают строить процедуры анализа знаний на совместимость, противоречивость и другие, которые трудно реализовать при хранении традиционных массивов данных. Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т. е. силу ассоциативной связи между ними. Это отношение можно назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации. Отношение релевантности при работе с информационными единицами дает возможность находит знания, близкие к уже найденным.
Активность.
Все процессы, протекающие в ЭВМ, инициируются
командами, которые являются активной
компонентой, а данные используются этими
командами лишь при необходимости, т. е.
последние – пассивная компонента. Такая
ситуация, характерная для классических
систем обработки информации, для интеллектуальных
систем (ИС) неприемлема. По аналогии с
человеком в ИС актуализации тех или иных
действий способствуют знания, имеющиеся
в системе. Таким образом, выполнение программ
в ИС должно инициироваться текущим состоянием
информационной базы. Появление в базе
фактов (объектов выбора) или описаний
событий (квалификаторов и их значений),
установление связей (правил в продукционных
системах) может стать источником активности
системы.
Заключение
В заключение следует отметить, что создание "подлинного" искусственного интеллекта вряд ли можно считать событием обозримого будущего, уже сегодня компьютеры (и не только системы искусственного интеллекта) обладают достаточной степенью автономности и неконтролируемости со стороны человека, чтобы породить проблемы, связанные с доверием к результатам информационно-перерабатывающей деятельности (имеется ввиду переработка информации в широком смысле, предполагающая получение, хранение, преобразование и передачу информации). Значительная часть этих проблем имеет технический или практический характер. Однако существуют и собственно метафизические вопросы, то или иное решение которых способно оказать (или подспудно оказывает) влияние на выбор стратегии принятия практических мер контроля за компьютерной переработкой информации [4, с. 20]. Проблемы контроля за работой компьютера и оценки результатов переработки информации компьютером (или с помощью компьютера) связаны с невозможностью для человека проследить за выполнением операций. Начиная с определенного количества данных и определенной скорости их обработки, мы должны основываться на сомнительном положении, что компьютер не будет вести себя иначе в сфере больших количеств и скоростей, чем те, с которыми мы непосредственно знакомы.