Автор работы: Пользователь скрыл имя, 02 Апреля 2012 в 20:58, контрольная работа
Искусственный интеллект как отрасль науки сформировался едва ли не раньше, чем появились первые вычислительные машины. Кибернетика - основа искусственного интеллекта "первого поколения", - возникла в 40х годах с работами Н.Винера, К.Шеннона и других исследователей в области теории информации.
Основной задачей искусственного интеллекта считалось построение компьютера, способного мыслить, как человек, т.е. обладающего интеллектом, способностью осознанного осмысления и активной обработки поступающей информации. Первые поколения исследователей полагали: цель будет достигнута, когда человек, общающийся с компьютером, не сможет определить в ходе достаточно продолжительной беседы, является ли его собеседник человеком или вычислительной машиной.
14
Системы искусственного интеллекта (отчет должен содержать теоретический материал)
Искусственный интеллект как отрасль науки сформировался едва ли не раньше, чем появились первые вычислительные машины. Кибернетика - основа искусственного интеллекта "первого поколения", - возникла в 40х годах с работами Н.Винера, К.Шеннона и других исследователей в области теории информации.
Основной задачей искусственного интеллекта считалось построение компьютера, способного мыслить, как человек, т.е. обладающего интеллектом, способностью осознанного осмысления и активной обработки поступающей информации. Первые поколения исследователей полагали: цель будет достигнута, когда человек, общающийся с компьютером, не сможет определить в ходе достаточно продолжительной беседы, является ли его собеседник человеком или вычислительной машиной.
Однако, развитие событий показало, что такая постановка задачи не вполне корректна. Совсем недавно появилась публикация о том, что система "искусственного интеллекта" достаточно долго поддерживала общение в одном из интернет-"чатов", так что никто из собеседников не смог обнаружить подвоха. Следует ли считать, таким образом, что задача создания искусственного интеллекта решена? Или, напротив, полученный результат является свидетельством уровня интеллекта чатов, поддерживаемых представителями "Дженерейшн Пи"?
Что же такое искусственный интеллект? С прикладной точки зрения, под системами искусственного интеллекта понимаются компьютерные программы, обеспечивающие: нетривиальные, эвристические методы анализа входящей информации; восприятие запросов на естественном языке и их интерпретацию в терминах некоторой формальной модели (и наоборот); поиск данных в массивах слабоформализованной информации на основании слабоформализованных запросов; обработку и представление знаний; моделирование личности.
В принципе, искусственный интеллект как наука и область технологии не ставит перед собой задачу создания системы, обладающей одновременно всеми вышеперечисленными свойствами. Следует отметить, что к настоящему времени области искусственного интеллекта и робототехники являются различными направлениями "кибернетической" науки, так что задача создания робота, подобного человеку, на данном этапе не ставится. Под роботом понимается автомат, поведение которого определяется некоторым алгоритмом, в то время как интеллектуальная система не является автоматом, поскольку должна быть способна иметь дело с алгоритмически неразрешимыми задачами.
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 Ленинградском отделении математического института им. В.А.Стеклова создается программа, автоматически доказывающая теоремы (АЛП: 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 – ДА.Поспелов. Крупнейшие центры – в Москве, Петербурге, Переславле-Залесском, Новосибирске.
В рамках Ассоциации проводится большое количество исследований, собираются конференции, издается журнал. Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового[1]. К сожалению, начиная с 1975 г. на развитие этого направления сказалось прогрессирующее отставание в технологии. На данный момент отставание в области промышленных интеллектуальных систем составляет порядка 5-7 лет.
Искусственный интеллект – это одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном множестве естественного языка.
На сегодняшний день, существует две группы подходов к построению систем искусственного интеллекта. Первая группа основана на логических и символических методах (Novel AI), вторая - на динамических сетевых моделях (behavioral AI). До недавнего времени, логические подходы фактически господствовали как в теоретической, так и в прикладной сферах искусственного интеллекта. Однако формально-логические методы искусственного интеллекта оказались на практике слишком ограниченными. Оказалось, что формальные модели теоретически действенны лишь тогда, когда "базовый аксиоматический набор" является полным и непротиворечивым, но и это условие не является достаточным для построения прикладных вычислительно эффективных систем.
В практических реализациях, для сохранения жизнеспособности системы в условиях противоречивости, делались попытки использовать времязависимые и условно-зависимые аксиоматические наборы, разрабатывались различные экзотические механизмы логического вывода, которые, в сущности, основывались на формальных вычислительных алгоритмах, но не на концепциях и построениях математической логики. Неполная адекватность вычислительных и логических моделей, связанная с необходимостью решения "проблемы остановки", то есть выхода из зацикливания, зачастую делает результат работы таких систем совершенно непредсказуемым.
Еще более сложным и проблематичным оказалась реализация свойств самообучения логических систем. В данном приложении, обучение есть расширение или модификация аксиоматического набора. Возможно, проблема обучения и ограниченность логических подходов могли бы быть преодолены в терминах логики предикатов высших порядков, но, к настоящему времени, отсутствуют эффективные вычислительные модели по их реализации.
Функциональность систем, основанных на логических методах, не устраивала ни теоретиков, ни практических разработчиков, ни пользователей, в результате чего формально-логическое направление к настоящему времени фактически пришло в упадок.
Другая группа методов искусственного интеллекта, носящая английское название "Behavioural AI", в отечественной литературе называлась семантическими сетями. Основная идея этих методов была хорошо определена Р.Бруксом в формуле "Интеллектуальность есть эмергентное свойство определенного рода сложных систем". Эмергентность, или эмергентная функция - это такое качество, которое свойственно системе в целом, но не присуще ни одной из ее отдельных компонент. В техническом системном анализе, эмергентную функцию называют также системообразующей, однако такое определение не вполне справедливо для естественных систем.
По мнению специалистов, поддерживающих бихейвиоральное направление, интеллектуальность есть не столько способность логически мыслить, сколько способность принимать рациональные решения. Часто такие решения получаются не столько путем логических построений, сколько методами аргументации, простейшим из которых является взвешивание множества "за" и "против" среди возможных альтернатив выбора.
Очевидно, данный класс моделей свободен от ряда недостатков, свойственных логическим подходам. Сетевые модели вполне устойчивы в условиях противоречивости и неполноты (хотя и не всегда), легко обучаются путем адаптации к соотношениям стимул-реакция, и даже способны эволюционировать, наращивая свою вычислительную эффективность без постороннего вмешательства. Однако можно ли считать бихейвиоральные подходы действительно интеллектуальными? Ведь, в подавляющем большинстве, системы данного класса строятся на автоматных моделях, в то время как интеллект по определению отличен от автоматизма.
С другой стороны, механизмы логического вывода и другие символические методы также реализуются не иначе, чем через автоматные модели различных классов, будь то контекстно-свободные грамматики или мат аппарат логики возможных миров.
Ясно, однако, что на практике противопоставление логических методов сетевой динамике попросту отсутствует. В человеческой личности левополушарная рассудительность соседствует с правополушарной чувствительностью и интуицией, образуя единый интеллектуальный организм. В практических приложениях искусственного интеллекта совершенно неважно, является ли полученное решение результатом рассуждений или аргументации, нужно лишь, чтобы оно было верным.
Формальная логика есть автоматизм не в меньшей степени, чем элементарное поведение типа стимул-реакция. Неточность базового аксиоматического набора приводит к неверности, неистинности системы в целом. По одной из теорем Геделя, истинность логической системы не может быть доказана в ее же логических терминах[2].
Конечно, все это вовсе не обозначает, что логические методы искусственного интеллекта бесполезны. Человек, принимая решение, основывается на знаниях. При отсутствии прямых знаний, он может использовать рассуждения, чтобы расширить существующую модель путем построения одного или нескольких возможных миров, и затем применить аргументацию. Если неопределенность по-прежнему остается слишком высокой, человек действует наугад.
Таким образом, в процессе принятия решений человеком используются различные механизмы мышления, включая и логические рассуждениям и аргументацию.
Мы рассмотрели процедуру принятия решения, не затронув при этом другие интеллектуальные функции, такие как восприятие и научение. Эти свойства определяются способностью интеллектуальной системы к самоорганизации.
Это основное направление искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем (ЭС). В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.
Традиционно искусственный интеллект включает в себя игровые интеллектуальные задачи – шахматы, шашки, го. В основе лежит один из ранних подходов – лабиринтная модель плюс эвристики. Сейчас это скорее коммерческое направление, так как в научном плане эти идеи считаются тупиковыми,
В 50-х гг. одной из популярных тем исследований искусственного интеллекта являлась область машинного перевода. Первая программа в этой области – переводчик с английского языка на русский. Первая идея – пословный перевод, оказалась неплодотворной. В настоящее время используется более сложная модель, включающая анализ и синтез естественноязыковых сообщений, которая состоит из нескольких блоков. Для анализа это:
морфологический анализ – анализ слов в тексте;
синтаксический анализ – анализ предложений, грамматики и связей между словами;
семантический анализ – анализ смысла каждого предложения на основе некоторой предметно-ориентированной базы знаний;
прагматический анализ – анализ смысла предложений в окружающем контексте на основе собственной базы знаний.
Синтез включает аналогичные этапы, но несколько в другом порядке.
Традиционное направление искусственного интеллекта, берущее начало у самых его истоков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Это направление близко к машинному обучению, тесно связано с нейро-кибернетикой.
Это направление занимается разработкой новых аппаратных решений и архитектур, направленных на обработку символьных и логических данных. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных и параллельным компьютерам.
Роботы – это электромеханические устройства, предназначенные для автоматизации человеческого труда.
Идея создания роботов исключительно древняя. Само слово появилось в 20-х гг. Его автор – чешский писатель Карел Чапек. Со времени создания сменилось несколько поколений роботов.
Роботы с жесткой схемой управления. Практически все современные промышленные роботы принадлежат к первому поколению. Фактически это программируемые манипуляторы.
Адаптивные роботы с сенсорными устройствами. Есть образцы таких роботов, но в промышленности они пока не используются.
Самоорганизующиеся, или интеллектуальные, роботы. Это конечная цель развития робототехники. Основная проблема при создании интеллектуальных роботов – проблема машинного зрения.