Система искуственного интелекта

В настоящее время в мире изготавливается более 60 тыс. роботов в год.

Специальное программное обеспечение

В рамках этого направления разрабатываются специальные языки для решения задач невы­числительного плана. Эти языки ориентированы на символьную обработку информации – LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например КЕЕ, ARTS. До­статочно популярно создание так называемых пустых экспертных систем, или "оболо­чек", – EXSYS, Ml и др., в которых можно наполнять базы знаний, создавая различные системы.

Обучение и самообучение

Активно развивающаяся область искусственного интеллекта. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление знаний на основе анализа и обобщения данных. Включает обучение по примерам (или индуктивное), а также традици­онные подходы распознавания образов.

Нейронные сети

Термин искусственный интеллект (artificial intelligence) предложен в 1956 г. 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.

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.

Таким образом, нейрокибернетика ориентирована на аппаратное моделирование струк­тур, подобных структуре мозга. Физиологами давно установлено, что основой чело­веческого мозга является большое количество (до 1021) связанных между собой и взаимодействующих нервных клеток – нейронов. Поэтому усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функци­онирующие системы. Эти системы принято называть нейронными сетями, или нейросетями.

Первые нейросети были созданы в конце 50-х гг. американскими учеными Г.Розен-блаттом и П.Мак-Каллоком. Это были попытки создать системы, моделирующие челове­ческий глаз и его взаимодействие с мозгом. Устройство, созданное ими, получило название перцептрона. Оно умело различать буквы алфавита, но было чувствительно к их написа­нию, например, буквы А, А и А для этого устройства были тремя разными знаками. Посте­пенно в 70-80 гг. количество работ по этому направлению искусственного интеллекта стало снижаться. Слишком неутешительны оказались первые результаты. Авторы объясня­ли неудачи малой памятью и низким быстродействием существующих в то время компью­теров.

Однако в середине 80-х гг. в Японии в рамках проекта разработки компьютера V поко­ления, основанного на знаниях, был создан компьютер VI поколения, или нейрокомпьютер. К этому времени ограничения по памяти и быстродействию были практически сняты. Появились транспьютеры – параллельные компьютеры с большим количеством процессоров. От транспьютеров был один шаг до нейрокомпьютеров, модели­рующих структуру мозга человека. Основная область применения нейрокомпьютеров– распознавание образов.

В настоящее время используются три подхода к созданию нейросетей:

      аппаратный – создание специальных компьютеров, плат расширения, наборов мик­росхем, реализующих все необходимые алгоритмы;

      программный – создание программ и инструментариев, рассчитанных на высокопро­изводительные компьютеры. Сети создаются в памяти компьютера, всю работу выпол­няют его собственные процессоры;

      гибридный – комбинация первых двух. Часть вычислений выполняют специальные платы расширения (сопроцессоры), часть – программные средства.

Многие задачи, для решения которых используются нейронные сети, могут рассматриваться как частные случаи следующих основных проблем:

      построение функции по конечному набору значений;

      оптимизация;

      построение отношений на множестве объектов;

      распределенный поиск информации и ассоциативная память;

      фильтрация;

      сжатие информации;

      идентификация динамических систем и управление ими;

      нейросетевая реализация классических задач и алгоритмов вычислительной математики: решение систем линейных уравнений, решение задач математической физики сеточными методами и др.

Приложения нейронных сетей распределены примерно следующим образом: более 60% рынка занимают финансовые и военно-технические приложения; медицинские приложения – около 10%.

Большинство приложений создано красноярской группой «НейроКомп» и связано с решением задач классификации. Работы ведутся в нескольких направлениях: медицинская диагностика, проблемы психологической совместимости, педагогика и социология. Кроме того,  программное обеспечение использовалось другими исследователями для предсказания колебаний уровня Каспийского моря и прогноза климатических изменений, а также для решения задач технической диагностики, космической навигации и др. Нейронные сети обучаются методами, основанными на минимизации ошибки.

Основные пользовательские преимущества нейросетевого ПО перед другими системами его «демократичность» и универсальность, способность справиться с большим спектром задач. Кроме того, нейроимитаторы с успехом могут использоваться и в медицинских исследованиях.

Таким образом, можно выделить следующие основные направления, связанные с применением искусственного интеллекта.

1. Традиционные способы представления и обработки знаний в интеллектуальных системах: логическая модель представления знаний; представление знаний правилами продукций; объектно-ориентированное представление знаний фреймами; модель семантической сети; способы доказательства и дедуктивного вывода в логике; прямой и обратный вывод в экспертных системах продукционного типа; организация логического вывода в интеллектуальных системах с фреймовым представлением знаний.

2. Нечеткие знания и способы их обработки: виды нечетких знаний, способы их устранения и/или учета в интеллектуальных системах; нечеткие множества и нечеткие выводы.

3. Методы приобретения знаний: аспекты извлечения знаний; проблемы структурирования знаний; семиотический подход к приобретению знаний; методы извлечения знаний; выявление "скрытых" структур знаний; построение баз знаний для экспертных систем диагностики; проблемы обучения интеллектуальных систем; средства компьютерной поддержки приобретения знаний; извлечение знаний из хранилищ данных с использованием средств интеллектуального анализа данных.

4. Нейронные сети: модель искусственного нейрона; модели нейронных сетей; построение нейронной сети; способы обучения нейронных сетей; практическое применение нейросетевых технологий.

5. Эволюционные аналогии в интеллектуальных системах: генетические алгоритмы; методы эволюционного программирования.

6. Интеллектуальные мультиагентные системы: основные понятия агентов; коллективное поведение агентов; построение и применение мультиагентной системы для поддержки процессов принятия решений на предприятии; общие вопросы проектирования агентов и мультиагентных систем; инструментальные средства для построения МАС; мультиагентные поисковые системы; перспективы мультиагентных технологий.

7. Интеллектуальные методы проектирования сложных систем: проблемы проектирования и реинжиниринга экономических систем; системный подход к проектированию сложных систем; программные средства для поддержки реинжиниринга; подход к коллективному выбору решений при проектировании экономических систем; разрешение конфликтов при коллективном выборе решений; эволюционный синтез систем и объектов; логический подход к синтезу сценариев развития сложных систем.

Методы и средства искусственного интеллекта используются в настоящее время для решения широкого спектра прикладных задач и позволяют повысить эффективность труда ученых, врачей, учителей, инженеров, экономистов, военных и многих других специалистов.

[1] Экономическая информатика и вычислительная техника: Учебник/ Еремин А.В., Королев А.Ю., Косарев В.П. и др. - М.: Финансы и статистика, 1993, стр 45.

[2] Лорьер Ж.-Л. Системы искусственного интеллекта.- М.: Мир, 1991, стр. 26