Искусственный интеллект, который изучает википедию

Что такое искусственный интеллект?

Суть искусственного интеллекта в формате вопросов и ответов. История создания, технологии исследования, связан ли искусственный интеллект с IQ и можно ли его сравнить с человеческим. На вопросы отвечал профессор Стэнфордского университета Джон Маккарти.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект — это область науки и инжиниринга, занимающаяся созданием машин и компьютерных программ, обладающих интеллектом. Она связана с задачей использования компьютеров для понимания человеческого интеллекта. При этом искусственный интеллект не должен ограничиваться только биологически наблюдаемыми методами.

Да, но что такое интеллект?

Интеллект – способность приходить к решению при помощи вычислений. Интеллект разного вида и уровня есть у людей, многих животных и некоторых машин.

Разве нет определения интеллекта, которое не зависит от соотнесения его с человеческим интеллектом?

До настоящего времени нет понимания, какие виды вычислительных процедур мы хотим назвать интеллектуальными. Мы знаем далеко не обо всех механизмах интеллекта.

Является ли интеллект однозначным понятием, чтобы на вопрос «Обладает ли данная машина интеллектом?» можно было ответить «да» или «нет»?

Нет. Исследования ИИ показали, как использовать лишь некоторые из механизмов. Если для выполнения задачи требуются только хорошо изученные модели, получаются очень впечатляющие результаты. Такие программы обладают «небольшим» интеллектом.

Является ли искусственный интеллект попыткой имитировать человеческий интеллект?

Иногда, но далеко не всегда. С одной стороны, мы узнаем, как заставить машины решать задачи, наблюдая за людьми или за работой наших собственных алгоритмов. С другой стороны, исследователи ИИ используют алгоритмы, которые не наблюдаются у людей или требуют гораздо больших вычислительных ресурсов.

У компьютерных программ есть iq?

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни.

Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз.

При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р.

Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.   

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них.

Обратите внимание

Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности.

Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Когда началось исследование ИИ?

После Второй мировой войны несколько человек начали независимо работать над интеллектуальными машинами. Английский математик Алан Тьюринг, возможно, был первым из них. Он прочитал свою лекцию в 1947 году.

Тьюринг одним из первых решил, что ИИ лучше всего исследовать путем программирования компьютеров, а не конструирования машин.

К концу 1950-х годов было много исследователей ИИ, и большинство из них основывали свою работу на программировании компьютеров.

Является ли целью ИИ поместить человеческий разум в компьютер?

У человеческого разума есть много особенностей, вряд ли реально имитировать каждую из них.

Что такое тест Тьюринга?

В статье А. Алана Тьюринга 1950 года «Вычислительная техника и разум» обсуждались условия обладания машиной интеллектом. Он утверждал, что если машина может успешно притворяться человеком перед разумным наблюдателем, то вы, конечно же, должны считать ее разумной.

Этот критерий удовлетворит большинство людей, но не всех философов. Наблюдатель должен взаимодействовать с машиной или человеком через средство ввода-вывода для исключения необходимости имитации машиной внешнего вида или голоса человека.

Задача как машины, так и человека состоит в том, чтобы заставить наблюдателя считать себя человеком.

Тест Тьюринга является односторонним. Машина, успешно проходящая тест, определенно должна считаться разумной, даже если она не обладает знаниями о людях, достаточными, чтобы их имитировать.

Книга Дэниела Деннета «Brainchildren» содержит прекрасное обсуждение теста Тьюринга и его различные части, которые были реализованы успешно, т. е. с ограничениями на знание наблюдателем об ИИ и предмете обсуждения. Оказывается, некоторых людей довольно легко убедить в том, что достаточно примитивная программа является разумной.

Является ли целью ИИ достижение человеческого уровня интеллекта?

Да. Конечной целью является создание компьютерных программ, которые могут решать проблемы и достигать целей так же, так и человек. Однако ученые, проводящие исследования в узких областях, ставят гораздо менее амбициозные цели.

Насколько далек искусственный интеллект от достижения человеческого уровня? Когда это произойдет?

Интеллект человеческого уровня может быть достигнут путем написания большого количества программ, и сбора обширных баз знаний о фактах на языках, которые сегодня используются для выражения знаний. Тем не менее, большинство исследователей ИИ считает, что необходимы новые фундаментальные идеи. Поэтому невозможно предсказать, когда будет создан интеллект человеческого уровня.

Является ли компьютер машиной, которая может стать интеллектуальной?

Компьютеры могут быть запрограммированы для имитации любого типа машины.

Скорость компьютеров позволяет им обладать интеллектом?

Некоторые люди думают, что требуются как более быстрые компьютеры, так и новые идеи. Компьютеры и 30 лет назад были достаточно быстрыми. Если бы мы только знали, как их программировать.

Что насчет создания «детской машины», которая могла бы улучшиться путем чтения и обучения на собственном опыте?

Эта идея неоднократно предлагалась с 1940-х годов. В конце концов, она будет реализована. Тем не менее, программы ИИ еще не достигли уровня, позволяющего узнать многое из того, чему ребенок учится в ходе жизнедеятельности. Существующие программы недостаточно хорошо понимают язык, чтобы многому научиться посредством чтения.

Являются ли теория вычислимости и вычислительная сложность ключами к ИИ?

Нет. Эти теории актуальны, но не затрагивают фундаментальные проблемы ИИ.

В 1930-х годах математические логики Курт Гёдель и Алан Тьюринг установили, что не существует алгоритмов, которые гарантировали бы решение всех задач в некоторых важных математических областях.

Например, ответы на вопросы в духе: «является ли предложение логики первого порядка теоремой» или «имеет ли полиномиальное уравнение в одних переменных целочисленные решения в других».

Так как люди способны решать задачи такого рода, данный факт было предложен в качестве аргумента в пользу того, что компьютеры по своей сути неспособны делать то, что делают люди. Об этом говорит и Роджер Пенроуз. Однако люди не могут гарантировать решения произвольных задач в этих областях.

Важно

В 1960-х годах ученые-программисты, в числе которых были Стив Кук и Ричард Карп, разработали теорию областей NP-полных задач. Задачи в данных областях разрешимы, но, по-видимому, их решение требует времени, растущего экспоненциально с размерностью задачи.

Простейшим примером области NP-полной задачи служит вопрос: какие утверждения логики высказываний являются выполнимыми? Люди часто решают проблемы в области NP-полных задач в разы быстрее, чем это гарантируется основными алгоритмами, но не могут решать их быстро в общем случае.

Для ИИ важно, чтобы при решении задач алгоритмы были такими же эффективными, как и человеческий разум. Определение подобластей, в которых существуют хорошие алгоритмы, является важным, но многие программы, решающие задачи ИИ, не имеют отношения к легко идентифицируемым подобластям.

Теория сложности общих классов задач называется вычислительной сложностью. До сих пор эта теория не взаимодействовала с ИИ настолько, насколько можно было надеяться. Успех в решении проблем людьми и программами ИИ, по-видимому, зависит от свойств задач и методов решения задач, которые ни исследователи сложности, ни сообщество ИИ не могут определить точно.

Также актуальной является теория алгоритмической сложности, разработанная независимо друг от друга Соломоновым, Колмогоровым и Чайтиным. Она определяет сложность символьного объекта как длину наиболее короткой программы, которая сможет его сгенерировать.

Доказательство того, что программа-кандидат является самой короткой или близкой к таковой, является неразрешимой задачей, но представление объектов генерирующими их короткими программами иногда может прояснять ситуацию, даже если вы не можете доказать, что ваша программа является самой короткой.

Стэнфордский университет

Источник: https://neurohive.io/ru/osnovy-data-science/iskusstvennyj-intellekt-voprosy-i-otvety/

Что такое искусственный интеллект?

Судя по всему, искусственный интеллект становится неотъемлемой частью индустрии высоких технологий.

Мы постоянно слышим о том, как искусственный интеллект научился отвечать на письма в почтовом клиенте Gmail, учится управлять автомобилем и сортировать отпускные фотографии.

Марк Цукерберг приступил к  созданию искусственного интеллекта, который будет помогать нам управляться по дому. Проблема заключается в том, что само понятие «искусственного интеллекта» способствует завышенным ожиданиям.

Совет

Людям проще представить мощные суперкомпьютеры, которые помогают нашим космическим кораблям бороздить просторы Вселенной, чем эффективные спам-фильтры. Кроме того, людям свойственно обсуждать подробности и прогнозировать сроки гибели обречённого человечества от лап бездушного искусственного разума.

Созданию образа совершенного искусственного интеллекта, будто бы сошедшего с экранов научно-фантастических фильмов, во многом способствует деятельность информационно-технологических компаний, которые не перестают удивлять нас новыми моделями антропоморфных цифровых помощников.

К сожалению, подобные представления мешают осознать новые способности компьютеров и те возможности, благодаря которым они могут изменить окружающий мир. Исходя из этих стереотипов, мы объясним некоторые термины, описывающие наиболее утилитарные применения искусственного интеллекта.

В этой статье речь также пойдёт об ограничениях нынешних технологий и о том, почему нам пока не стоит волноваться о восстании роботов.

Итак, что же стоит за терминами «нейронная сеть», «машинное обучение» и «глубокое обучение»?

Эти три словосочетания у всех на слуху. Давайте рассмотрим их послойно — для упрощения восприятия. Нейронные сети находятся в самом основании этой пирамиды.

Они представляют собой особый тип компьютерной архитектуры, которая необходима для создания искусственного интеллекта. Следующий уровень — это машинное обучение, которое выступает в роли программного обеспечения для нейронных сетей.

Оно позволяет выстроить процесс обучения таким образом, чтобы машина искала нужные ответы в гигантских массивах данных.

Пирамиду венчает глубокое обучение, особый тип машинного обучения, обретший невероятную популярность за последнее десятилетие, — во многом благодаря двум новым возможностям: резко подешевевшей вычислительной мощности и безграничным информационным просторам, также известным как Интернет.

Истоки концепции нейронных сетей берут своё начало в пятидесятых годах прошлого века, когда исследование искусственного интеллекта оформилось в отдельную область научных изысканий. 

В целом, структура нейронных сетей отдалённо напоминает строение человеческого мозга и представляет собой сеть узлов, выстроенных наподобие нейронных связей.

Обратите внимание

По отдельности эти узлы не представляют ничего выдающегося, они могут отвечать лишь на самые примитивные вопросы, но их совместная деятельность способна решить сложнейшие задачи.

Читайте также:  Война xxi века. искусственный интеллект на службе у военных

Гораздо важнее, что при наличии правильных алгоритмов нейронные сети можно обучить!

КОМПЬЮТЕРАМ ВЫ ПРОСТО ГОВОРИТЕ, ЧТО НУЖНО СДЕЛАТЬ. С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ ВЫ ПОКАЗЫВАЕТЕ, КАК ИМЕННО ЭТО НУЖНО СДЕЛАТЬ

Научить компьютер правильно воспринимать информацию из видеороликов является первоочередной и весьма нетривиальной задачей. За последние пару десятилетий человечество перепробовало множество способов обучения компьютеров.

К подобным методам относится «укрепляющее обучение», при котором компьютер получает своеобразное «вознаграждение» в случае правильного выполнения поставленной задачи и постепенно оптимизирует процесс генерации наилучшего решения.

Методика обучения может быть построена и на генетических алгоритмах, используемых для решения задач путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе.

Источник: https://fastsalttimes.com/sections/technology/631.html

Что такое искусственный интеллект?

«Искусственный интеллект», выражение, услышав которое, мы сразу представляем города будущего, в которых бок о бок существуют люди и человекоподобные роботы. Однако если перестать фантазировать и вернуться к реальности, то вы наверняка вспомните, что искусственный интеллект давно прописался во многих сферах деятельности человека.

На заре компьютерных технологий, ученые поставили себе весьма амбициозную цель – создать машину, поведение которой нельзя будет отличить от человеческого. Изучение искусственного интеллекта, в свою очередь, породило на свет множество интеллектуальных систем, освободивших человека от выполнения рутинных процессов.

Если «искусственный», то почему «интеллект»?

Что же такое искусственный интеллект? Если со словом «искусственный» все понятно,  то совсем не просто дать однозначное определение второму слову. Верите ли, до сих пор ведутся споры относительно природы интеллекта человека. Впрочем, ещё античные мыслители пришли к мудрому выводу, что у интеллекта есть две составляющие.

В 1970-х годах американский психолог Раймонд Кэттелл определил их как  кристаллизовавшийся интеллект и подвижный. Первый из них отвечает за хранение накопленных знаний и опыта, второй – за их приобретение.

В общем и целом, интеллект объединяет познавательные способности человека такие как память, восприятие, логика, ощущение, мышление.

Таким образом, одна из фундаментальных задач науки искусственного интеллекта – формализовать разумное поведение человека, определить то множество механизмов, с помощью которых человек творчески подходит к решению задач. И вот тут начинаются сложности, так как пока до конца не ясно, как работает наш мозг, осуществляющий работу интеллекта.

Искусственный интеллект — слабый или подвижный?

Философия искусственного интеллекта несет в себе гипотезу о сильном и слабом ИИ. Сторонники теории слабого ИИ утверждают, что умения машины ограничены способностями его создателя.

Человек может заложить в машину все свои знания, опыт и умения, какого бы длинного кода это не стоило.

Такая машина будет принимать решения и давать ответы, которые будут лишь комбинацией загруженной в неё информации.

Важно

Однако научиться чему-то новому, принимать самостоятельные решения без воздействия извне она будет не в состоянии до тех пор, пока в неё не поместят порцию новых исходных данных.

 У приверженцев противоположной теории иное мнение – они верят, что когда-нибудь искусственный интеллект компьютеров будет не только кристаллизовавшимся, но и подвижным. Машины будут способны осознавать себя, проявлять инициативу и адаптироваться к окружающей обстановке, а главное  – чувствовать.

Их убеждения строятся на том, что в будущем уровень развития микроэлектроники позволит воссоздать механизмы взаимодействия биологических схем в мозгу человека.

Сегодня появление по-настоящему сильного ИИ представляется делом далекого будущего, в то время как его оппонент в лице слабого ИИ уже давно трудится на благо человечества. Одно из его детищ – системы распознавания речи.

Постепенно люди начинают привыкать к тому, что можно говорить со смартфонами. Может оно и к лучшему, но лишь единицы пользуются этой возможностью в общественных местах.

С другой стороны, многие нашли ей применение во время вождения автомобиля, посылая голосом запросы навигатору.

Технология распознавания речи — пример «слабого» искусственного интеллекта

Эта технология основана на науке о звуках речи – фонетике. Система разбивает сказанные вами слова на фонемы, учитывается их фонетическое окружение. Затем она пропускает разбитое на звуки слово через акустическую модель – базу звуков, в которой происходит сравнение.

Используя методы машинного обучения, программа способна определить вероятность следования одних звуков и слов за другими, основываясь на теории вероятности и статистике.

Это помогает системе выдавать более точные результаты в случаях нечеткого произношения или постороннего шума. Вероятно, наш мозг занимается чем-то подобным, обрабатывая звуки, которые мы слышим.

Совет

Таким образом, технология распознавания речи является ярким примером переноса модели восприятия речи человеком на машинный язык.

Ранний прототип Уотсона в Йорктаун Хайтс, Нью-Йорк. Clockready / wikimedia.org (CC BY-SA 3.0)

Технология распознавания речи — пример «слабого» искусственного интеллекта

Еще одним примером реализации искусственного интеллекта являются экспертные системы. Они способны разрешать проблемные ситуации в различных областях, исполняя роль экспертов. Структура такой системы включает в себя базу фактов и набор инструкций по работе с ними в целях получения новых фактов. На основании этого, экспертная система предлагает варианты решения проблемы.

Наглядным примером такой системы в 2011 году стал суперкомпьютер IBM Watson. Он способен понимать вопросы на естественном языке и находить на них ответы в базе данных, состоящей из 200 миллионов страниц информации. Свои феноменальные знания в разных областях IBM Watson продемонстрировал на телевикторине Jeopardy, в которой одержал победу над двумя самыми сильными игроками.

Разложить интеллект по полочкам

В общем,  развитие науки искусственного интеллекта – это не только скрупулезный и в то же время творческий труд, но и процесс познания человеком самого себя.

Ученые из разных областей вместе работают над тем, чтобы по полочкам разложить природу действий, которые мы совершаем не задумываясь.

Однако пока без ответа остаётся вопрос:  смогут ли они создать IBM Watson, способного искренне радоваться своей победе?

Источник: https://sciencepop.ru/iskusstvennyj-intellekt/

На каком языке пишут искусственный интеллект? Введение в ИИ

Основной вопрос перед разработчиком – какому языку отдать предпочтение для создания ИИ? Мы рассмотрим популярные языки, используемые для создания ИИ.

Одно только лишь название «искусственный интеллект» может привести в ступор и навести немало страха как на обычного человека, так и заурядного программиста. Занятие действительно сложное, а красивые демонстрируемые примеры – это результат многотысячных строк кода.

При всём этом создание ИИ может стать вполне реальной задачей, а в части случаев, даже несложной. Многие проекты требуют углублённых знаний ИИ, а также языков программирования. 

LISP

Родоначальником языков программирования, на которых начал создаваться искусственный интеллект стал LISP. ЛИСП отличается гибкостью использования и простотой расширения функционала. Благодаря наличию возможности быстрого прототипирования и установки макросов удалось сократить уйму времени, это принесло много пользы в отношении ИИ. 

LISP стал универсальным языком, который равно хорошо справляется с относительно тяжёлыми и лёгкими задачами. В нём устроена качественная и продвинутая система объектно-ориентированности, что и позволило занять одну из лидирующих позиций при разработке ИИ.

Java

Наибольшим достоинством языка является многофункциональность, среди прочих:

  • прозрачность использования и написания кода;
  • способность легко переносить программы;
  • лёгкое сопровождение проектов.

Для новичков важным достоинством станет наличие многочисленных бесплатных уроков в сети. Обучение Java является максимально комфортным и удобным для большинства студентов и новичков.

Среди особенностей языка стоит выделить:

  • простота выполнения отладки;
  • качественное взаимодействие клиентской и серверной системы ресурса;
  • лёгкость обращения с масштабными проектами.

При создании проектов на Java пользователь сталкивается с более привлекательным и доступным интерфейсом, что всегда притягивает аудиторию.

Prolog

Данный вариант относится к интерактивным языкам, которые работают по символической системе. Он популярен для использования в отношении проектов, требующих высокие логические способности.

Язык имеет мощную и удобную основу, она активно используется в отношении программирования non-численного типа.

На основании Prolog`а часто создаются доказательства теорем, проводится взаимодействие с понятным человеческим языком, используется для создания систем экспертной оценки. 

Пролог относится к декларативным типам языка, которые используют формальное или образное «мышление». Среди разработчиков ИИ приобрёл хорошую славу благодаря оптимальным обструкционным типам работы, встроенным алгоритмам анализа, недетерминизма и т.д. Всё в сумме можно описать так: Prolog – многофункциональная платформа для программирования ИИ.

Python

активно применяется в программировании благодаря чистому синтаксису и логическому, строгому грамматическому построению программы. Немаловажную роль играет и удобный дизайн. 

В основе используются многочисленные структурные алгоритмы, бесчисленные фреймворки для отладки, оптимальным показателям взаимодействия низкого и высокого уровня написания кода. Все перечисленные достоинства обеспечивают должное влияние в сфере создания искусственного интеллекта. 

История развития ИИ

Началом традиционного представления ИИ стал проект , который увидел мир в 1961 году. В ходе представления был впервые получен робот, который начал выпускаться в промышленных масштабах.

Робот был задействован на линии производства в концерне «General Motors». Для создания были задействованы Валь и переменные из среды ассемблера.

Язык пришёлся по душе благодаря наличию простейших фраз, отражению команд на мониторе и наличию инструкций, не нуждающихся в дополнительных разъяснениях.

Обратите внимание

Спустя 4 года (1965 год) был запущен искусственный интеллект «». Задача системы заключалась в выявлении молекулярной и атомной структуре соединений органического происхождения. Для написания был использован LISP.

 «Weizenbaum» в 1966 году запустил проект Элиза, который впервые предполагал проведение беседы с роботом. Самой известной моделью являлся «Доктор», который позволял отвечать на поставленные запросы в форме психотерапевта.

Для реализации проекта потребовалось сопоставление нескольких образцов технического достижения своего времени. Впервые Элиза увидел мир на SPLIP, но для отработки списка запущен «Weizenbaum».

Немногим позже проект переработан на другую платформу – LISP.

Первым роботом мобильного типа стал «Шеки», в его основе также лежал ЛИСП.

Логика конструктора была построена на решении поставленных задач и передвижения, для взаимодействия использовались подъёмы вверх и вниз, а также включение и выключение света.

С помощью «Шеки» удавалось открывать, закрывать, передвигать и т.д. Робот даже был способен передвигаться со скоростью равной спокойной ходьбе человека – 5 км/ч.

За последние 15 лет было представлено многочисленное количество изобретений: «Деннинг» (сторожевой робот), «Predator» (беспилотник), «АЙБО» (собака), «АСИМО» от Honda и многие другие. Тенденция идёт к развитию данного направления, чего и стоит ожидать в ближайшем и дальнем бедующем.

Источник: https://itproger.com/news/79

Искусственный интеллект

В течение тысяч лет человек пытается понять, как он думает. В области искусственного интеллекта (ИИ) решается еще более ответственная задача: специалисты в этой области пытаются не только понять природу интеллекта, но и создать интеллектуальные сущности.

Искусственный интеллект — это одна из новейших областей науки. Первые работы в этой области начались вскоре после Второй мировой войны, а само ее название было предложено в 1956 году.

Ученые других специальностей чаще всего указывают искусственный интеллект, наряду с молекулярной биологией, как «область, в которой я больше всего хотел бы работать».

Студенты-физики вполне обоснованно считают, что все великие открытия в их области уже были сделаны Галилеем, Ньютоном, Эйнштейном и другими учеными. Искусственный интеллект, с другой стороны, все еще открывает возможности для проявления талантов нескольких настоящих Эйнштейнов.

Важно

В настоящее время тематика искусственного интеллекта охватывает огромный перечень научных направлений, начиная с таких задач общего характера, как обучение и восприятие, и заканчивая такими специальными задачами, как игра в шахматы, доказательство математических теорем, сочинение поэтических произведений и диагностика заболеваний. В искусственном интеллекте систематизируются и автоматизируются интеллектуальные задачи и поэтому эта область касается любой сферы интеллектуальной деятельности человека. В этом смысле искусственный интеллект является поистине универсальной научной областью.

Читайте также:  Soft robotics toolkit - уникальный набор для сборки собственного робота


Общее определение искусственного интеллекта

Из сказанного выше можно сделать вывод, что искусственный интеллект представляет собой чрезвычайно интересную научную область. Но определение этого научного направления в настоящей книге еще не было дано. В таблице приведены определения искусственного интеллекта, взятые из восьми научных работ.

Эти определения можно классифицировать по двум основным категориям. Грубо говоря, формулировки, приведенные в верхней части таблицы, касаются мыслительных процессов и способов рассуждения, а в нижней части таблицы находятся формулировки, касающиеся поведения.

В определениях, приведенных слева, успех измеряется в терминах достоверного воспроизведения способностей человека, а формулировки, находящиеся справа, характеризуют конечные достижения в той области трактовки идеальной концепции интеллектуальности, которую предпочитают называть рациональностью.

Система является рациональной, если она «все действия выполняет правильно», при условии, что система обладает знаниями о том, что является правильным.

Системы, которые думают подобно людям Системы, которые думают рационально
Новое захватывающее направление работ по созданию компьютеров, способных думать, …машин, обладающих разумом, в полном и буквальном смысле этого слова Изучение умственных способностей с помощью вычислительных моделей
Автоматизация действий, которые мы ассоциируем с человеческим мышлением, т.е. таких действий, как принятие решений, решение задач, обучение Изучение таких вычислений, которые позволяют чувствовать, рассуждать и действовать
Искусство создания машин, которые выполняют функции, требующие интеллектуальности при их выполнении людьми Вычислительный интеллект— это наука о проектировании интеллектуальных агентов
Наука о том, как научить компьютеры делать то, в чем люди в настоящее время их превосходят Искусственный интеллект – это наука, посвященная изучению интеллектуального поведения артефактов

История развития искусственного интеллекта показывает, что интенсивные исследования проводились по всем четырем направлениям. Вполне можно предположить, что между теми учеными, которые в основном исходят из способностей людей, и теми, кто занимается главным образом решением проблемы рациональности, существуют определенные разногласия.

Подход, ориентированный на изучение человека, должен представлять собой эмпирическую научную область, развитие которой происходит по принципу выдвижения гипотез и их экспериментального подтверждения.

С другой стороны, подход, основанный на понятии рациональности, представляет собой сочетание математики и техники. Каждые из этих групп ученых действуют разрозненно, но вместе с тем помогают друг другу.

Ниже четыре указанных подхода рассматриваются более подробно.

Проверка того, способен ли компьютер действовать подобно человеку: подход, основанный на использовании теста ТьюрингаТест Тьюринга, предложенный Аланом Тьюрингом, был разработан в качестве удовлетворительного функционального определения интеллекта.

Тьюринг решил, что нет смысла разрабатывать обширный список требований, необходимых для создания искусственного интеллекта, который к тому же может оказаться противоречивым, и предложил тест, основанный на том, что поведение объекта, обладающего искусственным интеллектом, в конечном итоге нельзя будет отличить от поведения таких бесспорно интеллектуальных сущностей, как человеческие существа.Компьютер успешно пройдет этот тест, если человек-экспериментатор, задавший ему в письменном виде определенные вопросы, не сможет определить, получены ли письменные ответы от другого человека или от некоторого устройства.

Отметим, что решение задачи по составлению программы для компьютера для того, чтобы он прошел этот тест, требует большого объема работы. Запрограммированный таким образом компьютер должен обладать перечисленными ниже возможностями.

  • Средства обработки текстов на естественных языках (Natural Language Processing—NLP), позволяющие успешно общаться с компьютером, скажем на английском языке.
  • Средства представления знаний, с помощью которых компьютер может записать в память то, что он узнает или прочитает.
  • Средства автоматического формирования логических выводов, обеспечивающие возможность использовать хранимую информацию для поиска ответов на вопросы и вывода новых заключений.
  • Средства машинного обучения, которые позволяют приспосабливаться к новым обстоятельствам, а также обнаруживать и экстраполировать признаки стандартных ситуаций.

В тесте Тьюринга сознательно исключено непосредственное физическое взаимодействие экспериментатора и компьютера, поскольку для создания искусственного интеллекта не требуется физическая имитация человека.

Но в так называемом полном тесте Тьюринга предусмотрено использование видеосигнала для того, чтобы экспериментатор мог проверить способности испытуемого объекта к восприятию, а также имел возможность представить физические объекты «в неполном виде» (пропустить их «через штриховку»).

Чтобы пройти полный тест Тьюринга, компьютер должен обладать перечисленными ниже способностями.

  • Машинное зрение для восприятия объектов.
  • Средства робототехники для манипулирования объектами и перемещения в пространстве.

Шесть направлений исследований, перечисленных выше, составляют основную часть искусственного интеллекта, а Тьюринг заслуживает нашей благодарности за то, что предложил такой тест, который не потерял своей значимости и через 50 лет.

Тем не менее исследователи искусственного интеллекта практически не занимаются решением задачи прохождения теста Тьюринга, считая, что гораздо важнее изучить основополагающие принципы интеллекта, чем продублировать одного из носителей естественного интеллекта.

В частности, проблему «искусственного полета удалось успешно решить лишь после того, как братья Райт и другие исследователи перестали имитировать птиц и приступили к изучению аэродинамики.

Совет

В научных и технических работах по воздухоплаванию цель этой области знаний не определяется как «создание машин, которые в своем полете настолько напоминают голубей, что даже могут обмануть настоящих птиц».

Источник: http://www.imsprice.ru/index.php/hi-tech/118/206-iskusstvennyi-intellekt.html

Искусственный интеллект и обучение

По следам дискуссии на HR клубе перевели для вас статью Кларка Куинна, американского эксперта в области когнитивной науки, о возможностях искусственного интеллекта в обучении и развитии.

Об искусственном интеллекте (ИИ) сегодня говорят все. Массовая пресса и бизнес-издания рекламируют новые разработки и пишут о них страшные истории.

Преимущества искусственного интеллекта обсуждают крупнейшие компании, а поставщики рассказывают, как используют ИИ для производства своих продуктов. Такой ажиотаж случается не впервые.

Вопрос, который волнует многих, звучит так (перефразируя слова Гертруды Стайн): «Ничего — и это все, что там есть?».

Чтобы ответить на этот вопрос, давайте разберемся, что такое ИИ, на что он способен и неспособен, и как его возможности можно использовать для обучения и развития. Для начала нужно понять, что же такое интеллект.

В интеллекте есть два важных компонента — исполнение и изучение.

Допустим, если система (человек, животное или что-то иное) способна анализировать сложные ситуации и делать правильный выбор, то ее поведение можно назвать интеллектуальным.

Однако такому поведению можно научиться, если постоянно корректировать свои поступки на основе прошлого опыта. Это означает, что интеллект можно создать или приобрести.

Общая информация об ИИ

Обратите внимание

Существует два вида искусственного интеллекта. Мы называем его «искусственным», потому что он был создан на основе человеческих знаний об интеллекте.

Ранние модели ИИ появились во времена когнитивной революции и были ответом на существующую парадигму бихевиоризма.

В ее основе лежала мысль о том, что человеку не дано понять, как работает мозг: это «черный ящик», в который входят одни данные, а выходят другие — их-то бихевиористы пытались предугадать.

Но когнитивная революция опровергла эту теорию, и принципы работы мозга стали объяснимы. Первые модели с ИИ подчинялись законам формальной логики, так как они отвечали прежним взглядам на интеллект.

В основе законов лежали четкие представления о мире, которые подчинялись определенным правилам. Одни правила, в свою очередь, могли подчиняться другим.

Такие системы были созданы для выполнения умных задач и могли обучаться.

Первые модели с ИИ работали в узких предметных областях. Но результаты непрерывных исследований привели ученых к выводу, что непредсказуемое поведение в человеческой когнитивной структуре нельзя объяснить законами логики. В мышлении человека возникают систематические ошибки, которые объективно противоречат логике.

Среди таких когнитивных искажений — создание стереотипов, функциональная закрепленность, психологические установки, склонность к подтверждению своей точки зрения, ограниченная рабочая память. Оказалось, что человеческое поведение более зависимо от текущей ситуации, чем от формальной логики.

Возникла необходимость усовершенствовать существующую модель ИИ.

“Очеловечить” поведение программируемых систем пытались разными способами — с помощью коннекционизма, генетических алгоритмов и принципов нечеткой логики.

Такие системы назвали субсимвольными, так как принципы их работы невозможно описать только с помощью семантики. В определенных ситуациях их поведение, на самом деле, было очень похоже на человеческое.

Важно

Но эти системы не создавались вручную, а скорее «обучались» с помощью наборов данных и обратной связи.

Сегодня эти два подхода дополняют друг друга. В предметных областях, где поведение задается на основе законов формальной логики, можно использовать символьные системы, которые будут реагировать соответствующим образом. Но обычно их возможности ограничены, и такие модели не дорастают до «общего искусственного интеллекта».

Субсимвольные модели обучаются с помощью наборов данных и обратной связи и вырабатывают способность находить закономерности в этой информации.

Они могут успешно работать в непонятных для нас предметных областях, но результаты их работы так же недоступны для человеческого анализа.

Эти системы можно научить распознавать эмоции и другие общие модели поведения, но они всегда ограничены заданными условиями.

Недостаток субсимвольных моделей, которые становятся все более популярными, заключается в трудности интерпретации конечных алгоритмов. Поведение этих систем приходится объяснять также, как поведение человека.

Благодаря росту вычислительных мощностей мы можем одновременно работать с двумя системами. Одна из самых известных моделей, IBM Watson, интегрирует работу отдельных систем и определяет наиболее значимые выходные данные у каждой из них. Существует мнение, что такие системы, по сути, занимаются только поиском. Но возникает другой вопрос: как можно (и нужно) использовать ИИ в работе.

ИИ и работа

Системы искусственного интеллекта никогда не устают, выполняют задачи объективно и без ошибок. В этом заключается их основное преимущество.

Совет

Благодаря обучению и оценке результаты работы систем искусственного интеллекта становятся предсказуемыми. В этом они отличаются от людей. Но такие системы практически не могут выходить за рамки изученного материала.

Они учатся на основе обратной связи и в какой-то степени начинают вести себя произвольно, но все же они весьма ограничены.

Для обучения систем все реже вручную создают логические правила. Чаще всего для этих целей используют встроенные алгоритмы.

Если мы сможем охарактеризовать входную информацию и предоставить системе обратную связь по удачным и неудачным моментам, она научится обрабатывать большой объем данных и выполнять задания, используя новую информацию.

Таким образом, системы можно научить различать визуальные закономерности и применять их в рентгенографии для выявления отклонений. По качеству работы они догонят и обгонят человека.

Компьютеры могут автоматизировать значительную часть задач, которую ранее выполняли люди. Такие системы способны делать работу, которая не под силу человеку: например, быстро и точно выполнять сложные вычисления или запоминать несвязанные факты. Однако принцип их работы достаточно сложно понять, и они не могут выполнять задачи, которые находятся за пределами их тренировочного набора.

ИИ используют для распознавания естественного языка и генерации ответов, например в чат-ботах. ИИ также помогает выявлять неисправности, и его часто применяют в системах управления роботами.

ИИ обучают распознавать потоки информации, например новости, обобщать их или выделять главное.

Обратите внимание

Системы с искусственным интеллектом помогают принимать решения в разных сферах деятельности — финансах, медицине, авиации.

Это особенно тревожно для тех, чей труд может можно легко автоматизировать. Но пока на системы ИИ нельзя полностью полагаться, потому что они не справляются с ситуациями, к которым их не готовили. В отличие от людей, у них нет большого опыта, на который можно опереться в незнакомой ситуации. Такую универсальную базу знаний для ИИ пытаются создать уже много лет, но пока безуспешно.

Читайте также:  Роботизированная рука люка скайуокера скоро выйдет в тираж

Есть еще один подход: вместо того, чтобы заменять людей компьютерами, нужно придумать, как использовать и тех, и других. Это направление называется усилением интеллекта. Согласно ему, нужно взять лучшее из двух систем и объединить их в одну более эффективную.

ИИ в обучении и развитии

Какую роль играет ИИ в обучении и развитии? На самом деле, большую. Прежде всего, системы с ИИ помогают оптимизировать работу внутри организации.

Рано или поздно наступит необходимость объединить работу людей и умных устройств. Это становится очевидно, учитывая, что одной из задач отдела по обучению и развитию является решение проблем с эффективностью компании.

Существует несколько основных направлений, где можно использовать ИИ.

Во-первых, ИИ подходит для чат-ботов или похожих инструментов для ответов на вопросы. Они помогут сотрудникам и клиентам получить ответы о политике и процедурах компании, станут опорой для стажеров и облегчат работу сотрудникам службы поддержки.

Во-вторых, ИИ может использоваться в адаптивном обучении. Интеллектуальные обучающие системы отлично подходят для работы в узких предметных областях и механического запоминания. Экспертные модели можно использовать для консультирования учеников по непонятным для них темам. Также они помогают наработать профессиональные навыки.

Важно

В-третьих, ИИ выявляет закономерности. Если вы отслеживаете большое количество данных, например через XAPI, система найдет соответствия, которые человек мог упустить. Она поможет с категоризацией, проведет различия между ситуациями, подберет подходящие действия и решения.

Это задачи, которые уже сейчас могут решать системы с ИИ. Однако совсем скоро наступит время, когда им будет под силу:

  • проводить синтаксический анализ текстовой информации, задавать вопросы или отвечать на них;
  • проверять сложные работы и оценивать успеваемость;
  • объяснять принципы работы систем и предлагать рекомендации по использованию.

Но не все так безоблачно. Скорее всего, границы применения ИИ выйдут за пределы организации, и наступит пора задуматься о разделении ответственности.

С этической точки зрения, если машины заменят людей, то как мы сможем помочь тем, кто останется без работы? Если системы так сильно зависят от набора данных, которые используются при обучении, как оценить их работу? В каких случаях человек работает лучше компьютера? Не все эти вопросы требуют ответа, но задуматься о них стоит.

Наступил переломный момент, когда ИИ может заменить человеческий труд или дополнить его. По поводу ИИ возникают рабочие и морально-этические вопросы, ответить на которые нужно как можно скорее.

Мне кажется, нужно отталкиваться от задачи и для начала разобраться, что должно быть «в мире» (инструменты с ИИ или без него), а что в «голове» (чем будет заниматься человек).

Обучение и развитие должно играть в этом процессе ведущую роль.

Оригинал статьи (на английском языке): на сайте Ассоциации по развитию талантов ATD.
Автор – Кларк Куинн, исполнительный директор компании Quinnovation (США).

Источник: http://trends.skolkovo.ru/2017/12/iskusstvennyiy-intellekt-i-obuchenie/

Искусственный интеллект

МОСКОВСКИЙ КОМИТЕТ ОБРАЗОВАНИЯ

ЮГО-ВОСТОЧНОЕ ОКРУЖНОЕ УПРАВЛЕНИЕ

Средняя общеобразовательная школа №506

с углубленным изучением экономики

Реферат по информатике

на тему:

«Искусственный интеллект»

Выполнил ученик 11Б класса Ковчегин Игорь

Учитель: Сальникова Надежда Валерьевна

Москва, 2002

Содержание.. 2

Введение.. 3

Искусственный интеллект – новая информационная революция.. 5

Основы теории нейроподобных сетей.10

Некоторые сведения о мозге. 10

Нейрон как элементарное звено.10

Нейроподобный элемент.13

Нейроподобные сети (НПС). 15

Обучение нейроподобной сети.. 18

Заключение.. 20

Список использованной литературы:22

По своей сути процессы адаптации являются оптимизационными процессами.

Дж . Холланд , Adaptation in natural and artificial systems.

Понятие искусственный интеллект, как впрочем и просто интеллект, весьма расплывчаты.

Если обобщить все сказанное за последние тридцать лет, то оказывается, что человек просто хочет создать себе подобного в той или иной форме, хочет, чтобы какие-то действия выполнялись более рационально, с меньшими затратами времени и энергии.

С конца 40-х годов ученые все большего числа университетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.

Совет

В последнее время наблюдается возрастание интереса к искусственному интеллекту, вызванное повышением требований к информационным системам. Умнеет программное обеспечение, умнеет бытовая техника. Мы неуклонно движемся к новой информационной революции, сравнимой по масштабам с развитием Интернета, имя которой – искусственный интеллект.

Искусственный интеллект является сейчас «горячей точкой» научных исследований. В этой точке, как в фокусе, сконцентрированы наибольшие усилия кибернетиков, лингвистов, психологов, философов, математиков и инженеров.

Именно здесь решаются многие коренные вопросы, связанные с путями развития научной мысли, с воздействием достижений в области вычислительной техники и и на жизнь будущих поколений людей. Здесь возникают и получают права гражданства новые методы научных междисциплинарных исследований.

Здесь формируется новый взгляд на роль тех или иных научных результатов и возникает то, что можно было бы назвать философ осмыслением этих результатов. Поэтому я посчитал актуальным раскрыть данную тему в реферате.

Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта (ИИ), обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия.

Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная проблема, стоящая перед современной наукой – познание процессов функционирования человеческого разума, а не просто имитация его работы.

Что непосредственно затрагивало фундаментальные теоретические проблемы психологической науки. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта.

Обратите внимание

Некоторые считают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению, обобщению и аналогиям; третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого.

Тем не менее многие исследователи ИИ склонны принять тест машинного интеллекта, предложенный в начале 50-х годов выдающимся английским математиком и специалистом по вычислительной технике Аланом Тьюрингом. «Компьютер можно считать разумным, – утверждал Тьюринг, – если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком».

Только создав Разум творец смог почувствовать себя Творцом

В.В. Головачев

Наш мир устроен гораздо сложнее чем мы можем себе представить. Но несмотря на это, даже тот поток информации который человек может воспринять и обработать за определённую единицу времени, неимоверно велик. Чего только стоит одна графика? Что говорить про отдельные случаи, когда этот поток увеличивается (гипноз, медитирование, магическое воздействие на окружающий мир).

Но это в идеале. Слепой человек лишен графического потока, парализованный — лишен осязательной информации, и т.д. То есть в принципе интеллект может функционировать в замкнутом пространстве, не реагируя на внешние факторы.

И для этого уже не требуется та вычислительная мощность, в которой нуждается здоровый человек. Для создания ИИ уже достаточно вычислительной мощности современных компьютеров. Но необходима особая структура оперативной памяти, отличная от ёмкостной.

Оперативная память должна быть токовой.

Что собой представляет, привычная для пользователя компьютера, оперативная память? Это микросхемы, чипы, построенные из ёмкостных ячеек. Каждая ячейка имеет свой адрес (координаты).

Заполненная ячейка – заряженная ёмкость (1), пустая – разряженная (0). На обработку каждой ячейки, запись, стирание, считывание процессор выделяет отдельные циклы.

То есть так он (компьютер) и работает: считывает, считает, записывает результат.

А так же ли работает мысль (человеческая оперативная память)? А ведь не так! Мы не выделяем для её обслуживания циклов. Появление, изменение и уничтожение информации в ней конечно связано со временем.

Но вычислительная мощность процессора, то есть работа мозга, направленная на обработку внешних воздействий, и поиск информации в статичной (сохранённой) памяти при этом проблем с ресурсами не имеют. Единицы в нашей оперативной памяти не подвергаются вычислительному процессу.

Важно

Они видоизменяются под воздействием внешних факторов напрямую, «проехала красная машина», «заболела спина», «надо ответить на письмо от друга». В машинном коде эти мысли занимают разное битное пространство памяти. В человеческом – один блок. В таком же блочном виде они сохраняются в статичной памяти.

Разный уровень интеллектуальных способностей у людей, видимо, связан с размерами этого блока. Больше блок – легче осмысление крупного массива информации, быстрее поиск в сохранённой памяти. [1]

Все уже, наверное, слышали об электромеханических собаках в Японии, способных узнавать хозяина в лицо, выполнять некоторые простейшие команды и имеющие некоторую способность к обучению. Слышали и про холодильники с выходом в Интернет и про внедрение Microsoft в будущие версии Windows элементов искусственного интеллекта.

В подобном развитии области искусственного интеллекта нет ничего необычного.

Здесь уместно привести гипотезу о встречной эволюции человека и компьютера: человек сначала учиться видеть, ходить, разговаривать, а уже потом развивает способности к вычислениям и логическим выводам.

Компьютер же наоборот, рождается как вычислительная система, базирующаяся на формальной логике, в процессе развития приобретает способности к распознаванию образов, синтезу речи и управлению в реальном времени. [2]

В настоящее время различают два основных подхода к моделированию искусственного интеллекта (AI – artificialintelligence): машинный интеллект , заключающийся в строгом задании результата функционирования, и искусственный разум , направленный на моделирование внутренней структуры системы.

[3] Разделение работ по искусственному интеллекту на два направления связано с существованием двух точек зрения на вопрос, каким образом строить системы искусственного интеллекта. Сторонники одной точки зрения убеждены, что «важнее всего результат», т.е.

хорошее совпадение поведения искусственно созданных и естественных интеллектуальных систем, а что касается внутренних механизмов формирования поведения, то разработчик искусственного интеллекта вовсе не должен копировать или даже учитывать особенности естественных, живых аналогов.

Другая точка зрения состоит в том, что именно изучение механизмов естественного мышления и анализ данных о способах формирования разумного поведения человека могут создать основу для построения систем искусственного интеллекта, причем построение это должно осуществляться прежде всего как моделирование, воспроизведение техническими средствами принципов и конкретных особенностей функционирования биологических объектов. [4]

Совет

Первое направление, таким образом, рассматривает продукт интеллектуальной деятельности человека, изучает его структуру, и стремится воспроизвести этот продукт средствами современной техники.

Моделирование систем машинного интеллекта достигается за счет использования законов формальной логики, теории множеств, графов, семантических сетей и других достижений науки в области дискретных вычислений.

[5] Основные результаты заключаются в создании экспертных систем, систем разбора естественного языка и простейших систем управления вида «стимул-реакция».

Ясно, что успехи этого направления искусственного интеллекта оказываются тесно связанны с развитием возможностей ЭВМ и искусства программирования, то есть с тем комплексом научно-технических исследований, которые часто называют компьютерными науками.

Источник: http://MirZnanii.com/a/119561/iskusstvennyy-intellekt

Ссылка на основную публикацию
Adblock
detector