Глава II

Ключи к ответам.

На втором курсе института, среди прочих предметов, мы проходили философию.

Отвечая на семинарских занятиях и делая 1…2 доклада за полугодие, можно было избавиться от экзамена, получив оценку «автоматом» (чем я и пользовался, потому что сдавать экзамен мне не хотелось). На одном из занятий преподаватель дал нам список тем для докладов, где среди прочих тем были и творческие. Из всех тем наиболее близкой и интересной мне показалась тема под названием «Мыслит ли машина?». Тем более, что по тем немногим сведениям, которые у меня имелись, над созданием программ Искусственного Интеллекта (И.И.) уже достаточно много времени занимается большое количество серьёзных программистов и, особенно, в военной области (цель – создание беспилотной боевой техники, боевых роботов). Так что сам вопрос «Мыслит ли машина?» мне показался немного странным, и я решил прояснить этот вопрос для всех остальных и, частично, для себя. Я залез в Интернет и «нарыл» кучу всякой информации на эту тему. Потратя немало времени на обработку и компоновку этой информации, я получил достаточно обоснованное доказательство того, что «машина мыслит».

Как оказалось в последствии, этот доклад стал для меня ключом в ответах на многие вопросы. Поэтому далее следует собственно сам доклад.*

___________

* - текст доклада может показаться заумным, но при более внимательном рассмотрении всё становится

ясно и понятно.

Доклад

на тему:

«Мыслит ли машина?»

(2004г.)

Базовые понятия ИИ.Искусственный интеллект – раздел информатики.

Термин интеллект (intelligence) происходит от латинского intellectus – что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) – ИИ (AI) обычно толкуется, как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий. Термин «Искусственный интеллект» был введён Дж. Маккартни в 1956г.

Интеллект – способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний.

Для того чтобы пояснить, чем отличается интеллектуальная задача от просто задачи, необходимо ввести термин "алгоритм".
Под алгоритмом понимают точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин "алгоритм" происходит от имени узбекского математика Аль-Хо-резми, который еще в IX веке предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для его решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Отыскание алгоритма для задач некоторого данного типа связано с тонкими и сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Принято считать, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с отысканием алгоритма решения класса задач определенного типа, принято называть интеллектуальными.

Таким образом, можно перефразировать определение интеллекта: интеллект - универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.
Деятельность мозга (обладающего интеллектом), направленную на решение интеллектуальных задач, мы будем называть мышлением, или интеллектуальной деятельностью. Интеллект и мышление органически связаны с решением таких задач, как доказательство теорем, логический анализ, распознавание ситуаций, планирование поведения, игры и управление в условиях неопределенности. Характерными чертами интеллекта, проявляющимися в процессе решения задач, являются способность к обучению, обобщению, накоплению опыта (знаний и навыков) и адаптации к изменяющимся условиям в процессе решения задач.

Подходы к построению систем Искусственного Интеллекта (ИИ)
Существуют различные подходы к построению систем ИИ. Для начала кратко рассмотрим логический подход. Основой для логического подхода служит Булева алгебра (алгебра двоичных чисел). То есть основой всех существующих ЭВМ является бит – ячейка памяти, которая может принимать значения только 0 и 1 (выключено/включено). Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом.
Добиться большей выразительности логическому подходу позволяет такое сравнительно новое направление, как нечеткая логика. Основным ее отличием является то, что правдивость высказывания может принимать в ней кроме да/нет (1/0) еще и про межуточные значения – не знаю (0.5); пациент скорее жив, чем мертв (0.75); пациент скорее мертв, чем жив (0.25). Данный подход больше похож на мышление человека, поскольку он на вопросы редко отвечает только да или нет.
Для большинства логических методов характерна большая трудоемкость, поскольку во время поиска доказательства возможен полный перебор вариантов. Поэтому данный подход требует эффективной реализации вычислительного процесса, а хорошая работа обычно гарантируется при сравнительно небольшом размере базы данных.
Следующий вид подхода к построению систем ИИ – структурный. Под структурным подходом мы подразумеваем здесь попытки построения ИИ путем моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Фрэнка Розенблатта. Основной моделируемой структурной единицей в перцептронах (как и в большинстве других вариантов моделирования мозга) является нейрон.*
Позднее возникли и другие модели, которые в простонародье обычно известны под термином "нейронные сети" (НС). Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения.
НС наиболее успешно применяются в задачах распознавания образов, в том числе сильно зашумленных, однако имеются и примеры успешного применения их для построения собственно систем ИИ. С помощью НС можно, например, предсказывать показатели биржевого рынка, выполнять распознавание оптических или звуковых сигналов, создавать самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. В то время как на западе применение НС уже достаточно обширно, у нас это ещё в некоторой степени экзотика.
Для моделей, построенных по мотивам человеческого мозга характерно: не слишком большая выразительность, легкое распараллеливание алгоритмов, и связанная с этим высокая производительность параллельно реализованных НС.

_____________
* Нейрон – основная структурная единица нервной системы. Нейрон (от греч. neuron – нерв) – нервная клетка, способная вырабатывать и/или передавать нервные импульсы другим клеткам, состоящая из тела и отходящих от него отростков, которыми она соединена с другими нейронами, с рецепторами (клетками-датчиками), или с исполнительными органами (мышцы, железы и т.д.).

7

Также для таких сетей характерно одно свойство, которое очень сближает их с человеческим мозгом – нейронные сети работают даже при условии неполной информации об окружающей среде, то есть как и человек, они на вопросы могут отвечать не только "да" и "нет" но и "не знаю точно, но скорее да".
Довольно большое распространение получил так же 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, 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. 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 ИИ, то есть она становится как бы вещью в себе.
Еще один широко используемый подход к построению систем ИИ – 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 человеку массу времени, особенно в начале его жизни. Основным недостатком имитационного подхода также является низкая информационная способность большинства моделей, построенных с его помощью.
Заканчивая беглое ознакомление с различными методами и подходами к построению систем ИИ, 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.

История развития систем ИИ

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ, были логические игры (шашки, шахматы), доказательство теорем. Хотя, здесь надо отметить еще кибернетические игрушки типа "электронной мыши" Клода Шеннона, которая управлялась сложной релейной схемой.

8

Эта мышка могла "исследовать" лабиринт, и находить выход из него. А, кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.
Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, причем в ходе игры машина обучается или, по крайней мере, создает впечатление, что обучается, улучшая свою игру на основе накопленного опыта. В 1962г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США и победила.
Ярким примером сложной интеллектуальной игры до недавнего времени являлись шахматы. В 1974г. состоялся международный шахматный турнир машин, снабженных соответствующими программами. Как известно, победу на этом турнире одержала советская машина с шахматной программой "Каисса". Почему здесь употреблено "до недавнего времени"? Дело в том, что недавние события показали, что, несмотря на довольно большую сложность шахмат, и невозможность, в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на победу. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Каспарова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100'000'000 ходов в секунду. До недавнего времени редкостью был компьютер, могущий делать такое количество целочисленных операций в секунду.

В настоящее время существуют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также чрезвычайно важно придать программам присущие человеку способность к обучению и адаптации. Одной из наиболее интересных интеллектуальных задач, также имеющей огромное прикладное значение, является задача обучения распознавания образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук — физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы ИИ, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.
В 1957г. американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания – перцептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания и породило большой поток теоретических и экспериментальных исследований. Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются

новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.

В 2001 году в NASA было разработано и изготовлено устройство, которое, по мнению специалистов, позволит совершить настоящий прорыв в системах искусственного интеллекта и машинного зрения. Небольшой процессор способен в реальном времени обрабатывать изображения, верно распознавая на них объекты даже в том случае, когда они частично не видны. В процессоре реализована так называемая трёхмерная искусственная нейронная сеть, имитирующая принципы действия человеческого мозга. Производительность устройства, по утверждению NASA, составляет более триллиона операций в секунду. При этом оно потребляет всего 8 ватт. Обычный современный персональный компьютер справляется с такими задачами примерно в 1000 раз медленнее, потребляя больше 100 ватт.
Одной из сфер применения устройства, по-видимому, станут межпланетные аппараты и планетоходы, которые с его помощью смогут избегать опасностей и препятствий. Кроме того, он, по мнению NASA, может пригодиться правоохранительным органам. Ему найдётся место и в обычных домашних компьютерах: на нём могут быть основаны новые виды пользовательского интерфейса.

В заключении стоит сказать, что основная трудность искусственного интеллекта заключается в следующем: до сих пор не существует однозначного и общепринятого определения и понимания интеллекта естественного. Поэтому большинство исследователей искусственного интеллекта вынуждены пользоваться мерами, не обеспечивающими полного решения поставленной задачи.

Литература:

1. http://lii.newmail.ru/index.htm.

2. http://old.computerra.ru/news/2001/8/22/12726/

Обобщив содержание доклада, получим следующее:

Интеллект – самообучающаяся программа, способная на основе накопления и дальнейшей переработки знаний, создавать алгоритмы решения конкретных задач.

Другими словами, - основным свойством интеллекта является способность, анализируя предыдущий опыт, создавать программу действий и действовать в новой (до этого никогда не происходившей) ситуации.

Поиск по сайту: