Малышенко А.М. Лекции по искусственному интеллекту и нейросетевому управлению - файл n7.doc

Малышенко А.М. Лекции по искусственному интеллекту и нейросетевому управлению
скачать (859 kb.)
Доступные файлы (12):
n1.doc203kb.16.01.2009 00:58скачать
n2.doc240kb.18.02.2009 11:26скачать
n3.doc44kb.22.01.2009 01:05скачать
n4.doc85kb.22.01.2009 04:22скачать
n5.doc107kb.26.01.2009 01:06скачать
n6.doc68kb.13.01.2009 01:26скачать
n7.doc82kb.29.01.2009 00:52скачать
n8.doc440kb.06.02.2009 15:29скачать
n9.doc347kb.12.02.2009 09:49скачать
n10.doc244kb.19.02.2009 02:30скачать
n11.doc337kb.26.02.2009 01:05скачать
n12.doc91kb.19.03.2009 02:41скачать

n7.doc

Лекция № 2 по ИИ и НСУ

«Алгоритмисты» решили подступиться к проблеме ИИ с другой стороны – попыта-лись смоделировать функции мышления при помощи прикладной математики и теории алгоритмов. Алгоритмический метод интерпретировался как «механиче-ское» осуществление заданной последовательности шагов, детерминированно приводящей к правильному ответу.

В этой связи возникла проблема с определением интеллекта. Ведь надо знать, из каких функциональных особенностей состоит интеллект и что мы, собственно, будем моделировать в виртуальном черном ящике.

Проблему с определением интеллекта пока отдали на откуп философам и психологам, а сами сосредоточились на главном – каковы необходимые признаки, которыми обладает любой интеллект.

Любой интеллект должен:

1. Содержать некоторую базу знаний об окружающем мире. Ключевое слово здесь не «база», а «знания». Это совсем другое, нежели базы данных.

2. Самообучаться, т. е. пополнять базу знаний. При этом интеллект должен уметь оперировать незнакомыми, а также нечеткими, не формализуемыми понятиями, например «немного», «какая-то фиговина», «от забора и пока не задолбаетесь».

3. Генерировать алгоритм решения задачи в самом процессе ее решения, к примеру, дедуктивно выбирать конкретные варианты решений из общих правил или эмпирически выводить решение из совокупности нечетких данных.

4. Выводить общие правила на основе частных случаев.

5. Общаться с другими интеллектуальными системами на смысловом (семан-тическом), а не синтаксическом уровне.

6. Иметь мотивацию.

Разбор начнем с самого первого пункта. Казалось бы, что может быть проще базы знаний? Закачивай в компьютер хоть все энциклопедии мира — места хватит. Но только это будут не знания, а данные.

На первый взгляд, разница между данными и знаниями неочевидна, но на самом деле она огромна. Чтобы превратить данные в знания, их нужно связать между собой. Есть все основания предполагать, что в биологических системах знания хранятся не в виде модулей (как на Delphi), а более изощренно.

После такого «бодрого» начала решение второго пункта (самообучение) выглядит уже не таким оптимистичным. Если составление первоначальной базы знаний может взять на себя человек, то дальнейшее пополнение этой базы искусственный интеллект должен проводить самостоятельно. Главный вопрос здесь — куда и каким образом пристыковывать к существующей базе новые, ранее незнакомые знания?

Пример — самообучающийся робот NASA для взятия проб грунта. Для него водная поверхность и гладкий асфальт одно и то же?

Первоначально считалось, что обучение – ключевое требование к интел-лекту, тогда как антипод обучения – забывание – не более чем нежелательный эффект. Позже оказалось, что это совсем не так. В процессе обучения умение забывать играет не меньшую роль, чем накопление новых знаний.

С пунктами № 3 (генерировать алгоритм решения задачи в самом процессе ее решения) и № 4 (выводить общие правила на основе частных случаев), несмотря на их кажущуюся заумность, все немного проще. Это классическое описание дедукции (выведения частного из общего) и индукции (выведения общего из частного). В этих областях есть существенные наработки. Индукция и дедукция достаточно неплохо поддаются алгоритмизации, что привело к ощутимому прогрессу в этом направлении, – появились, в частности, эффективные экспертные системы.

Однако есть проблема — «идеальный» ИИ должен алгоритмизировать и решать эти задачи без постороннего вмешательства. В традиционных машинных программах программист описывает входной набор данных и правила их обработки, после чего фактически просит у программы применить то или иное уже готовое правило. Настоящая же постановка задачи для ИИ вообще не подразумевает детальное описание метода ее решения.

Пункт № 5 (общаться с другими интеллектуальными системами на смысловом (семантическом) уровне) задача смыслового общения интеллекта с другими системами – представляет собой частный случай вышеописанных пунктов. Интересует именно осмысленное общение, а не его имитация!

Пункт № 6 (мотивация). Предположим, что нам удалось создать робот с ИИ, полностью удовлетворяющий пунктам №№ 1–5. Отлично! Но почему мы решили, что он тут же радостно побежит познавать мир, взаимодействовать с окружающей средой и осмысленно общаться со своими создателями?
Отсутствует ответ и на более важный вопрос. Являются ли необходимые признаки интеллекта в то же время достаточными? Может быть, мы упускаем из вида еще что-то? Например, сознание?

Итак, в классическом определении интеллект – это мотивированная система, содержащая виртуальную модель окружающей среды (базу знаний), способная к самообучению и формализации неточных данных, способная на основе базы знаний и состояний окружающей среды генерировать алгоритмы решения задач по правилам индукции и дедукции, а также общаться с другими интеллектуальными системами на смысловом уровне.

Соответственно, искусственный интеллект – это небиологическая система, наиболее точно моделирующая описанные свойства. Именно моделирующая, а не имитирующая или создающая иллюзию. При этом система, моделирующая только часть свойств, не может считаться интеллектуальной в классическом понимании.
Между моделированием и имитацией фактически ставился знак равенства. О тесте Тьюринга, который в упрощенном виде звучит так: искусственную систему можно назвать интеллектуальной, если при общении с человеком последний не сможет отличить ее от живого мыслящего собеседника.
Между прочим, перед философами, нейрофизиологами, психологами и, конечно же, программистами вот уже не первый год маячит призрак куда как страшнее (в смысле исследований и разработок) искусственного интеллекта. Призрак этот – искусственное сознание.

Призраком его называют потому, что формальному описанию сознание поддается с еще большим скрипом, чем интеллект. Для интеллекта вывели хотя бы ряд необходимых признаков. С сознанием все еще запутаннее.

Если заметить проявление интеллекта можно без особого труда, то прояв-ление сознания – только по косвенным признакам. Как проявляется сознание? Единой версии нет.

Существуют следующие версии определения сознания:

а) сознание – это душа;

б) сознание – это самосознание;

в) сознание – это другое название интеллекта;

г) сознание – это побочный продукт работы интеллекта, другими словами — интеллект в движении;

д) сознание – одна из функций интеллекта;

е) сознание – высшая функция интеллекта, управляющая всеми остальными его проявлениями.

Первые четыре гипотезы не добавляют к нашему пониманию ИИ абсолютно ничего нового. С последними двумя хуже всего. Если они верны, то создать искусственный разум мы сможем еще нескоро, так как элементарно отсутствует математическая или любая другая модель, объясняющая феномен сознания. Другими словами, без непротиворечивой теории моделирование сознания на данный момент просто невозможно.

А как это отразится на разработке прикладного ИИ? А никак. Пока далеко до моделирования даже уже описанных свойств интеллекта, не говоря о каких-то мистических высших функциях.

Вопрос искусственного интеллекта нельзя рассматривать в отрыве от терминологии. С точки зрения классических определений интеллекта и ИИ, выдвинутых в 1950-х годах и доработанных в 1970-1980-х, искусственный интеллект пока не создан и будет создан еще нескоро, если такое вообще возможно.

Но многие не придерживаются этой точки зрения и без стеснения применяют понятие ИИ к уже существующим прикладным областям – экспертным системам, автоматам, распознающим речь, окружающие предметы и т. п. При таком взгляде на вещи ИИ уже давно создан, и теперь только осталось усовершенствовать его до необходимых пределов.

Какая точка зрения вам больше по душе, решайте сами.
На мой взгляд, до создания полноценного искусственного интеллекта ещё очень-очень далеко. Но значит ли это, что полвека работы выдающихся ученых и талантливых программистов прошли зря? Конечно, нет.

Самая очевидная причина – разработка сложного ИИ нерентабельна. Для того чтобы разница между обычным ИИ и самообучаемым ИИ стала ощутимой, придется потратить несоразмерно большее количество времени и средств.

Функциональный подход к направленности исследований по ИИ сохранился в основном до настоящего времени, хотя еще и сейчас ряд ученых, особенно психологов, пытаются оценивать результаты работ по ИИ с позиций их соответствия человеческому мышлению.

Работы над созданием ИИ породили ряд новых направлений в науке:

▪ техническое зрение;

▪ распознавание образов;

▪ искусственная речь;

▪ распознавание речи в различных средах (в том числе для задач управления);

▪ база знаний: создание и их обработка;

▪ робототехника андроидного типа;

▪ машинный перевод текстов;

▪ генетические алгоритмы;

▪ нечёткая логика и др.


    1. Основные области применения искусственного интеллекта



Исследовательским полигоном для развития методов ИИ на первом этапе явились всевозможные игры, головоломки, математические задачи.

Основной расцвет такого рода исследований приходится на конец 60-х годов, после чего стали делаться первые попытки применения разработанных методов для задач, решаемых не в искусственных, а в реальных проблемных средах.

Необходимость исследования систем ИИ при функционировании в реаль-ном мире привело к постановке задачи создания интегральных роботов.

Проведение таких работ можно считать вторым этапом исследований по ИИ. В Стэнфордском университете, Стэнфордском исследовательском институте и некоторых других местах были разработаны экспериментальные роботы, функционирующие в лабораторных условиях. Проведение этих экспериментов показало необходимость решения кардинальных вопросов, связанных с проблемой представления знаний о среде функционирования, и одновременно недостаточную исследованность таких проблем, как зрительное восприятие, построение сложных планов поведения в динамических средах, общение с роботами на естественном языке.

Эти проблемы были более ясно сформулированы и поставлены перед исследователями в середине 1970-х годов, связанных с началом третьего этапа исследований систем ИИ. Его характерной чертой явилось смещение центра внимания исследователей с создания автономно функционирующих систем, самостоятельно решающих в реальной среде поставленные перед ними задачи, к созданию человеко-машинных систем, интегрирующих в единое целое интеллект человека и способности ВМ для достижения общей цели – решения задачи, поставленной перед интегральной человеко-машинной решающей системой.

Такое смещение обусловливалось двумя причинами: На первый план выдвигалась не разработка отдельных методов машинного решения задач, а разра-ботка методов и средств, обеспечивающих тесное взаимодействие человека и вычислительной системы в течение всего процесса решения задачи с возможностью оперативного внесения человеком изменений в ходе этого процесса.
Основные области практического приложения разработок по ИИ:

▪ мобильные роботы, прежде всего, андроидного типа;

▪ технический перевод;

▪ базы знаний;

▪ поисковые системы, в том числе в сети Интернет;

▪ доказательства теорем;

▪ разнообразные компьютерные игры;

▪ распознавание образов;

▪ принятие решений;

▪ сочинение машинной музыки;

▪ обработка данных на естественном языке;

▪ обучающиеся сети (нейросети);

▪ искусственная речь и речевое управление.

▪ сборочное производство;

▪ технический контроль;

▪ диагностика систем различного типа и назначения (в медицине, в технике и других отраслях).

▪ оперативная обработка текущей информации (новостей, прессы, метеорологических данных и т.п.).

▪ «антиплагиат» и др.


    1. Функциональная структура использования

систем искусственного интеллекта
Эта структура состоит из трех комплексов вычислительных средств (рис. 1).
Первый комплекс представляет собой совокупность средств, выполняющих программы (исполнительная система), спроектированных с позиций эффективного решения задач, имеет в ряде случаев проблемную ориентацию.
Второй комплексинтеллектуальный интерфейс, то есть совокупность средств, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей.



Рис. 1. Функциональная структура искусственного интеллекта

Третьим комплексом средств, с помощью которых организуется взаимодей-ствие первых двух, является база знаний, обеспечивающая использование вычислительными средствами первых двух комплексов целостной и независимой от обрабатывающих программ системы знаний о проблемной среде.

Исполнительная система (ИС) объединяет всю совокупность средств, обеспе-чивающих выполнение сформированной программы.

Интеллектуальный интерфейс – система программных и аппаратных средств, обеспечивающих для конечного пользователя использование компьютера для решения задач, которые возникают в среде его профессиональной деятельности либо без посредников, либо с незначительной их помощью.

База знаний (БЗ) занимает центральное положение по отношению к остальным компонентам вычислительной системы в целом. Через БЗ осуществляется интеграция средств вычислительной системы, участвующих в решении задач.






Лекция № 2 по ИИ и НСУ
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации