История возникновения искусственного интеллекта

Тема 2. ИСТОРИЯ РАЗВИТИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 1. Направления исследований в области искусственного интеллекта 2. Области применения систем. – презентация

1 Тема 2. ИСТОРИЯ РАЗВИТИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 1. Направления исследований в области искусственного интеллекта 2. Области применения систем искусственного интеллекта 3. Языки программирования для искусственного интеллекта и языки представления знаний<\p>

2 Раймунд Луллий 1235 – 1315 Первую зафиксированную в истории попытку создания машины, моделирующей человеческий разум, связывают с именем Раймунда Луллия<\p>

3 Логическая машина Раймунда Луллия Луллий сконструировал машину, состоявшую из системы кругов, имевших возможность вращаться<\p>

Обратите внимание

4 Развитие науки первыми теоретическими работами в области ИИ (Лейбниц и Декарт ) XVIII в. появлением компьютера выделение ИИ в самостоятельное научное направление 40-е г. XX в. поиски моделей и алгоритмов человеческого мышления модель лабиринтного поиска эвристический подход методы математической логики г.г. проект машины V поколения конец 70-х г.<\p>

5 Направления исследований в области искусственного интеллекта 1 подход структура и механизмы работы мозга человека раскрытие тайн мышления 2 подход системы искусственного интеллекта создание ПО компьютера, позволяющего решать интеллектуальные задачи не хуже человека 3 подход симбиоз возможностей естественного и искусственного интеллекта создание смешанных человеко-машинных интеллектуальных систем<\p>

6 Области применения систем искусственного интеллекта доказательство теоремраспознавание образовэкспертные системы машинный перевод и понимание текстов на естественном языке игровые программынейронные сетиробототехника<\p>

7 Доказательство теорем 1956 г. А. Ньюэлл, Дж. Шоу и Г. Саймон создают язык программирования IPL-I программа LT (Logic Theorist) для доказательства теорем и исчисления высказываний программа NSS (Newell, Shaw, Simon) для игры в шахматы программа GPS (General Problem Solver), моделирующая используемые человеком общие стратегии решения задач<\p>

8 Распознавание образов распознавание изображений символовтекстовзапаховзвуковшумов<\p>

9 Экспертные системы упрощение комбинаторики (уменьшении перебора альтернатив) применение числовых функций оценивания различных эвристик До 70-х г. выделение знаний из данных, получаемых от эксперта появление экспертных систем В начале 70-х г.<\p>

10 Машинный перевод и понимание текстов на естественном языке 1954 г. в США с помощью компьютера переведено 60 фраз создан язык-посредник, облегчающий сопоставление фраз на разных языках семантическая модель представления смысла переводимых текстов<\p>

11 Игровые программы 1947 г. Артур Самуэл создаёт программу по игре в чекерс (американские шашки) 1962 г. программа победила Р. Нили (сильнейшего шашиста в США) 1974 г. впервые прошёл чемпионат мира среди шахматных программ 1997 г. компьютером Deep Blue, разработанный фирмой IBM победил Гарри Каспаров, в то время чемпион мира<\p>

Важно

12 Компьютер Deep Blue 256 процессоров каждый процессор имеет 4 Гб дисковой памяти и 128 Мб оперативной может просчитать более ходов в секунду Матч Гарри Каспарова против компьютера Deep Blue 1989 г. первый матч. Компьютер проиграл 1996 г. второй матч. Матч выиграл Гарри Каспаров со счётом 4: г. третий матч. Компьютеру одержал победу со счётом 3,5:2,5 после матча с чемпионом Deep Blue был разобран<\p>

13 Нейронные сети Нейронная сеть – это кибернетическая модель нервной системы, которая представляет собой совокупность большого числа сравнительно простых элементов (нейронов) пчела – 80 нейронов тараканов – 300 нейронов человека – более 10 10<\p>

14 3 подхода к созданию нейросетей 1. Аппаратный – создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем, реализующих все необходимые алгоритмы 2. Программный – создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. 3. Гибридный – комбинация первых двух.<\p>

15 Реализация нейронных сетей<\p>

16 Робототехника 1947 г. – впервые разработаны механические руки для работы с радиоактивными материалами 60-х г. – появились очуствленные роботы, которые управлялись компьютерами 70-х г. – широкое внедрение роботов в производственные сферы<\p>

17 Деление роботов на поколения 1. (программные) имеют жесткую программу действий и характеризуются наличием элементарной обратной связи с окружающей средой 2. (очувствленные) обладают координацией движений с восприятием 3. роботы с искусственным интеллектом<\p>

18 Современные роботы<\p>

19 Современные роботы становятся способными не только заменять человека в каких-либо монотонных занятиях, но и вытворять такие трюки, которые многим из нас даже не снились робот Murata Seiko способен передвигаться на одноколесном велосипеде машина Salvador DaBot способна рисовать портреты<\p>

20 Промышленные роботы<\p>

21 Военные роботы<\p>

22 Языки программирования для искусственного интеллекта и языки представления знаний на начальном этапе развития ИИ специальных языков не существовало LISP PROLOG РЕФАЛ<\p>

Источник: http://www.myshared.ru/slide/679955/

Презентация по информатике “История возникновения искусственного интеллекта”

Инфоурок › Информатика ›Презентации›Презентация по информатике “История возникновения искусственного интеллекта”

Описание презентации по отдельным слайдам:

1 слайд Описание слайда:

История возникновения искусственного интеллекта

2 слайд Описание слайда:

Раскрыв тайну человеческого интеллекта, люди смогут производить похожие системы, которые будут работать также как человеческий мозг, или даже лучше.  Будет создан универсальный робот, умеющий думать, говорить, обслуживать человеческую цивилизацию. Фантастика? Поживем, увидим.

3 слайд Описание слайда:

Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в древнем Египте была создана «оживающая» механическая статуя бога Амона – бога Солнца.

4 слайд Описание слайда:

Совет

XIII век Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать логическую машину в виде бумажных концентрических кругов, разделенных поперечными линиями, в которых обозначались общие понятия всего существующего для решения различных задач.

5 слайд 6 слайд Описание слайда:

XVIII век В XVIII веке Декрт и Лейбниц независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта.

7 слайд Описание слайда:

XIX век Вопрос «Может ли машина мыслить?» будоражил разумы многих исследователей и подтолкнул к созданию науки о моделировании человеческого разума.

В 1950 британский математик Алан Тьюринг в своей статье «Вычислительная техника и разум» предположил, что сознание — это вычисления. Он же предложил первый и наиболее известный критерий разумности ИИ — Тест Тьюринга.

Это позволило поставить задачу о практическом создании машинного разума.

8 слайд Описание слайда:

XX век Но окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века и выпуска Норбертом Винером основополагающих работ по новой науке — кибернетике. 

9 слайд Описание слайда:

Винер полагал , что многие схемы, определяющие поведение живых организмов при решении конкретных задач, практически идентичны схемам, характеризующим процессы управления в сложных технических системах.

Он убедительно доказывал, что социальные модели управления и модели управления в экономике могут быть проанализированы на основе тех же общих положений, которые разработаны в области управления системами, созданными людьми.

10 слайд Описание слайда:

Мальчик учился говорить и думать одновременно на нескольких языках. В 4 года он уже был допущен к родительской библиотеке, а в 7 лет написал свой первый научный трактат по дарвинизму.  Среднюю школу он окончил, когда ему исполнилось одиннадцать .

Сразу же поступил в высшее учебное заведение Тафтс-колледж, а после его окончания в возрасте 14 лет, получил степень бакалавра искусств.

Затем учился в Гарвардском и Корнельском университетах, в 17 лет в Гарварде стал магистром искусств, в 18 — доктором философии по специальности «математическая логика»

11 слайд Описание слайда:

XX век Именно Джон Маккарти первым ввел в употребление термин 'искусственный интеллект'.

Обратите внимание

Фундамент для будущих исследований был заложен еще в 1956 году, и Маккарти стал одним из организаторов так называемой 'Дартмутской конференции' – первого крупного семинара по искусственному интеллекту.

Этот семинар объединил тогда многих изыскателей в этой области, и тем самым была заложена основа для будущих исследований в области искусственного интеллекта. Позже Джона Маккарти по праву назвали 'отцом искусственного интеллекта'. Д. Маккарти

12 слайд Описание слайда:

«Интеллект — способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи».

13 слайд Описание слайда:

Российским ученым, математиком, крупным специалистом в области искусственного интеллекта, управлении сложными системами, в области параллельных вычислений является Дмитрий Александрович Поспелов. Им заложены основы нового научного направления – моделирование рассуждений специалистов-экспертов, принимающих решения в разных предметных областях.

14 слайд Описание слайда:

Основными недостатками современных компьютеров, отличающих их от мозга живых существ, являются их неспособность к самообучению и неустойчивость к аппаратным сбоям, когда при поломке одного компонента вся система выходит их строя.

К тому же, современные компьютеры фон Неймановской архитектуры не обладают рядом возможностей, с лёгкостью выполняемых человеческим мозгом, таких как ассоциативная память и способность решать задачи классификации и распознавания объектов, кластеризация или прогнозирование.

В настоящее время ведется разработка нейрокомпьютеров в большинстве промышленно развитых стран, в том числе и в России. Нейрокомпьютеры отличаются от ЭВМ предыдущих поколений не просто большими возможностями. Принципиально меняется способ использования машины.

Место программирования занимает обучение, нейрокомпьютер учится решать задачи.

15 слайд Описание слайда:

Недостатки современных компьютеров

16 слайд Описание слайда:

диагностика Решаемые задачи

17 слайд Описание слайда:

Вычисления в нейронных сетях существенно отличаются от традиционных, в силу высокой параллеленности их можно рассматривать как коллективное явление. В нейронной сети нет локальных областей, в которых запоминается конкретная информация. Вся информация запоминается во всей сети.

Обучение – корректировка весов связей, в результате которой каждое входное воздействие приводит к формированию соответствующего выходного сигнала. После обучения сеть может применять полученные навыки к новым входным сигналам.

Важно

При переходе от программирования к обучению повышается эффективность решения интеллектуальных задач.

18 слайд Описание слайда:

Основа искусственных нейронных сетей

19 слайд Описание слайда:

Прототипом для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков – дендридов, по которым в нейрон поступают входные сигналы, и отросток – аксон, передающий выходной сигнал нейрона другим клеткам. Точка соединения дендрида и аксона называется синапсом

20 слайд Описание слайда:

Основу нейросетей составляют относительно простые, в большинстве случаев — однотипные, элементы (ячейки), имитирующие работу нейронов мозга — искусственные нейроны.

Нейрон обладает группой синапсов — однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон — выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов.

Каждый синапс характеризуется величиной синаптической связи или ее весом, который по физическому смыслу эквивалентен электрической проводимости в электрических связях.

21 слайд Описание слайда:

В Московском метро появились поезда, управляемые искусственным интеллектом. Закуплены поезда с автопилотом.

22 слайд Описание слайда:

В США на авианосец был погружен беспилотный самолет-стелсX-47B для испытаний в качестве первого палубного дрона. Ключевым моментом является то, что X-47B управляется программой искусственного интеллекта, а не оператором.

За 5 лет своего совершенствования X-47B научился взлетать, совершать полет по заданной программе и возвращаться на базу.

Совет

Вместо этого, управление самолетом передается смонтированному на борту дрона блоку, который называется Устройство визуального управления (Control Display Unit ), которое может самостоятельно думать, строить корректировки курса и начерчивать новые маршруты.

23 слайд Описание слайда:

В России уже успешно функционирует один из первых мощных нейрокомпьютеров для финансового применения – CNAPS PC/128 на базе 4-х нейроБИС фирмы Alaptive Solutions. По данным фирмы “Торацентр” в число организаций, использующих нейронные сети для решения своих задач, уже вошли: Центробанк, МЧС, Налоговая Инспекция, более 30 банков и более 60 финансовых компаний.

24 слайд Описание слайда:

В настоящее время уже существует технология соединения биологических нейронов со сверхминиатюрными полевыми транзисторами с помощью нановолокон.

В том числе, для создания соединений между нейронами и электронными устройствами используются углеродные нанотрубки.

Идеальная нанотрубка представляет собой свёрнутую в цилиндр графитовую плоскость, то есть поверхность, выложенную правильными шестиугольниками, в вершинах которых расположены атомы углерода.

25 слайд Описание слайда:

К 2015-2020 годам искусственный интеллект возьмёт на себя производство на множестве полностью автоматизированных заводов, значительной будет и его роль в управлении предприятиями. В большинстве кораблей, самолётов и автомобилей управление будет частично или полностью передано ИИ.

Искусственный интеллект будет обладать способностями, достаточными для письменного или устного общения с человеком на обычном языке, будет понимать смысл информации из баз данных о клиентах, корпоративных правил и т. п. Многие профессии в сфере услуг, продавцов, специалистов из центров поддержки, будут автоматизированы с помощью искусственного интеллекта.

Обратите внимание

Примерно к 2030 году компьютеры достигнут вычислительной мощности, достаточной для полной симуляции мозга человека во всей его сложности. Это сделает практически возможной загрузку человеческого сознания (считанного нанороботами) в компьютер. Ещё более вероятно, что уже к 2020 году будут заложены теоретические основы создания чисто машинного разума.

В любом случае, где-то между 2020-2035 компьютерный разум должен сравняться по силе с человеческим и вскоре превзойти его.

Краткое описание документа:

Общая информация

Оставьте свой комментарий

Авторизуйтесь, чтобы задавать вопросы.

Источник: https://infourok.ru/prezentaciya_po_informatike_istoriya_vozniknoveniya_iskusstvennogo_intellekta-188216.htm

История развития искусственного интеллекта

Оптимисты утверждают, что знание может храниться вне мозга. Их доводы таковы:

  1. познание как процесс поддаётся формализации;
  2. интеллект можно измерить (коэффициент умственного развития IQ – intelligence quotient1, объём памяти, реактивность психики и др.);
  3. к знанию применимы информационные меры (бит, байт и др.). Пессимисты считают, что искусственный интеллект не способен хранить знание, так как он – всего лишь имитация мышления. Пессимисты полагают, что человеческий интеллект уникален, что творчество не поддаётся формализации, мир цел и неделим на информационные дискреты, что образность мышления человека гораздо богаче логического мышления машин и т.д.

Кто прав в этом споре, покажет время. Отметим только, что память машины хранит то, что в неё записано, а это могут быть не только знания как высшая форма информации, но и просто данные, которые могут содержать знания, дезинформацию и информационный шум (см. “История развития информатики. Развитие представлений об информации. На пути к информационному обществу” ).

Чтобы из данных извлечь знания, машина подобно человеку должна поставить цель (“что я хочу знать?”) и согласно этой цели отбирать ценную информацию (ведь хранят ценности, а не всё, что попало).

Сможет ли искусственный интеллект сам формулировать приемлемые цели и осуществлять искусственный отбор ценной информации под эти цели – очередная проблема теории и практики искусственного интеллекта. Пока эту работу выполняет человек – в экспертных системах, в программировании роботов, в АСУТП и т.п. Свободные машины (см.

выше) должны будут выполнять эту работу сами. При этом обозначенная проблема может обостриться из-за того, что в сетях, откуда машины “скачивают” знания, может оказаться много “мусора” и губительных вирусов.

Впервые идеи создания искусственного интеллекта возникли в XVII в. (Б. Спиноза, Р. Декарт, Г.В. Лейбниц и др.). Речь идёт именно об искусственном интеллекте, а не о механических куклах, уже известных в ту пору. Основоположники теории искусственного интеллекта были, естественно, оптимистами – они верили в реализуемость своей идеи:

По психологическому закону сохранения (“сумма удовольствий и страданий равна нулю”) тут же появились пессимисты (Ф. Бэкон, Дж. Локк и др.), которые посмеивались над оптимистами: “Ай, бросьте!”. Но любая идея в науке, однажды возникнув, продолжает жить, несмотря на препоны.

Идея искусственного интеллекта стала обретать реальные черты лишь во второй половине XX в., особенно с изобретением компьютеров и “интеллектуальных роботов”.

Важно

Для реализации идеи потребовались также прикладные разработки в математической логике, программировании, когнитивной психологии, математической лингвистике, нейрофизиологии и других дисциплинах, развивающихся в кибернетическом русле взаимосвязи организмов и машин по управляющим и коммуникативным функциям.

Само название “искусственный интеллект” возникло в конце 60-х гг. XX в., а в 1969 г. состоялась Первая Всемирная конференция по искусственному интеллекту (Вашингтон, США).

Вначале искусственный интеллект развивался в так называемом аналитическом (функциональном) направлении, при котором машине предписывалось выполнять частные интеллектуальные задачи творческого характера (игры, перевод с одного языка на другой, живопись и др.).

Позже возникло синтетическое (модельное) направление, согласно которому предпринимались попытки моделировать творческую деятельность мозга в общем смысле, “не размениваясь” на частные задачи. Конечно, это направление оказалось более трудным в реализации, чем функциональное направление.

Объектом исследования модельного направления стали метапроцедуры человеческого мышления. Метапроцедуры творчества – это не сами процедуры (функции) интеллектуальной деятельности, а способы создания таких процедур, способы научиться новому виду интеллектуальной деятельности.

В этих способах, вероятно, и скрыто то, что можно назвать интеллектом. Наличие метапроцедур мышления отличает истинный интеллект от кажущегося, поэтому реализация машинными средствами метапроцедур творчества стала чуть ли не основной задачей модельного направления.

Не что, а как изобретаешь, как решаешь творческую задачу, как обучаешься (самообучаешься) новому? – вот вопросы, заложенные в реализацию моделей человеческого творческого мышления.

В рамках модельного направления нашли развитие, в основном, две модели интеллекта. Хронологически первой была лабиринтная модель, реализующая целенаправленный поиск в лабиринте альтернативных путей к решению задачи с оценкой успеха после каждого шага или с позиций решения задачи в целом.

Совет

Иными словами, лабиринтная модель сводится к перебору возможных вариантов (по аналогии с перебором вариантов выхода из лабиринта).

Успех (или неудачу) в выборе того или иного варианта можно оценивать на каждом шаге (то есть непосредственно после выбора), не предвидя окончательного результата решения задачи, или, наоборот, выбор варианта на каждом шаге производить, исходя из окончательного результата. Например, возьмем шахматы.

Можно оценивать результат каждого хода по непосредственному выигрышу или проигрышу после этого хода (выигрышу или потере фигур, получению позиционного преимущества и т.д.), не задумываясь об окончании партии. При таком подходе подразумевается, что успех на каждом ходе приведёт к успеху всей партии, к победе.

Но это вовсе не обязательно. Ведь можно заманить короля соперника в матовую ловушку, жертвуя в серии ходов фигуры, теряя кажущееся позиционное преимущество. При таком подходе частные успехи на каждом ходе ничего не значат по сравнению с последним победным ходом – объявлением мата.

Первый подход в лабиринтном моделировании получил свое развитие в эвристическом программировании, второй подход – в динамическом программировании. По-видимому, динамический подход эффективнее эвристического, если говорить о шахматах.

Во всяком случае, сильные шахматисты, сами того не предполагая, использовали именно динамический подход против шахматных программ, работающих в эвристическом режиме, и своим естественным интеллектом побеждали лабиринтный искусственный интеллект. Но так было в 60-70 гг. XX в.

С тех пор шахматные программы усовершенствовались настолько (в том числе, за счёт внедрения динамического подхода), что сейчас успешно противостоят чемпионам мира.

Лабиринтные модели широко использовались не только при создании шахматных программ, но и для программирования других игр, а также для доказательства математических теорем и в других приложениях.

Вслед за лабиринтными моделями искусственного интеллекта появились ассоциативные модели. Ассоциация (от лат.

association – соединение) – связь психологических представлений (обусловленная предшествующим опытом), благодаря которой одно представление, появившись в сознании, вызывает другое представление (по принципу сходства, смежности или противоположности). Например, Нобелевский лауреат академик И.П.

Павлов, проводя свои известные опыты с собаками, заметил, что если одновременно с приёмом пищи собака видит включённую лампу, то потом стоило только включить лампу, как у собаки начинал выделяться желудочный сок, хотя пищу ей не предлагали. В основе этого условного рефлекса ассоциация по принципу смежности.

Обратите внимание

Ассоциация по сходству описана в рассказе А.П. Чехова “Лошадиная фамилия”. Ассоциация по противоположности может быть описана логической схемой: если “не А”, значит “А”. Например, если днём я увидел белую кошку, она тут же ассоциировалась у меня с чёрной кошкой, которая утром перебежала дорогу.

В ассоциативных моделях предполагается, что решение новой, неизвестной задачи так или иначе основано на уже известных решённых задачах, похожих на новую, поэтому способ решения новой задачи основан на ассоциативном принципе сходства (подобия).

Для его реализации используются ассоциативный поиск в памяти, ассоциативные логические рассуждения, использующие освоенные машиной приёмы решения задач в новой ситуации, и т.п. В современных компьютерах и интеллектуальных роботах существует ассоциативная память.

Ассоциативные модели используются в задачах классификации, распознавания образов, обучения, ставших уже ординарными задачами информационных систем и технологий. Однако теория ассоциативных моделей до 90-х гг. XX в. отсутствовала и сейчас только создаётся.

Перечислим вкратце основных творцов искусственного интеллекта.

Н. Винер (математик), У.Р. Эшби (биолог) – основоположники кибернетики, впервые заявившие, что машины могут быть умнее людей, давшие первоначальный толчок развитию теории искусственного интеллекта.

У. Маккаллок, У. Питс (физиологи) – в 1943г. предложили формальную модель нейрона; основоположники нейрокибернетики и первоначальной концепции нейронной сети.

А. Тьюринг (математик) – в 1937 г. изобрёл универсальную алгоритмическую “машину Тьюринга”; предложил интеллектуальный “тест Тьюринга”, позволяющий определить, разумна ли машина в сравнительном диалоге с ней и “разумным человеком”.

Дж. фон Нейман (математик) – один из основоположников теории игр и теории самовоспроизводящихся автоматов, архитектуры первых поколений компьютеров.

М. Мински (математик) – автор понятия фрейма, основополагающего в машинном представлении знаний; один из авторов теории персептрона – устройства для распознавания образов.

М. Сомальвико (кибернетик), А. Азимов (биохимик, писатель) – основоположники интеллектуальной робототехники.

Г. Саймон, У. Рейтман (психологи) – авторы и разработчики первых лабиринтных интеллектуальных моделей, построенных на принципах эвристического программирования.

Р. Беллман (математик), С.Ю. Маслов (логик) – авторы динамического подхода к лабиринтным интеллектуальным моделям (динамического программирования, обратного метода доказательств).

Ф. Розенблатт (физиолог), М.М. Бонгард (физик) – первооткрыватели проблемы распознавания образов; разработчики устройств и моделей распознавания и классификации.

Л. Заде, А.Н. Колмогоров, А.Н. Тихонов, М.А. Гиршик (математики) – авторы математических методов решения плохо формализованных задач и принятия решений в условиях неопределённости.

Н. Хомски (математик, филолог) – основоположник математической лингвистики.

Л.Р. Лурия (психолог) – основоположник нейропсихологии, изучающей глубинные механизмы познавательной деятельности мозга и других интеллектуальных функций мозга.

К.Э. Шеннон (инженер-связист), Р.Х. Зарипов (математик) – авторы теории и моделей машинного синтеза музыки.

Приведённый перечень далеко не полон. В области искусственного интеллекта работали и работают не только отдельные специалисты, но и коллективы, лаборатории, институты. Основные проблемы, решаемые ими:

  1. представление знаний;
  2. моделирование рассуждений;
  3. интеллектуальный интерфейс “человек-машина”, “машина-машина”;
  4. планирование целесообразной деятельности;
  5. обучение и самообучение интеллектуальных систем;
  6. машинное творчество;
  7. интеллектуальные роботы.

Источник: http://www.intuit.ru/studies/courses/593/449/lecture/10011?page=2

Основные этапы развития искусственного интеллекта



В статье описываются основные этапы развития области искусственного интеллекта. Несмотря на недолгую историю своего существования, она насыщена событиями и оказала огромное влияние на культуру двадцатого века.

В статье рассматривается история развития искусственного интеллекта начиная со времён Спинозы и до наших дней. Описаны основные периоды взлета и падания интереса к данной области.

Начало искусственного интеллекта

Предпосылки для создания искусственного интеллекта были заложены классическими философами — Лейбницем, Спинозой и Декартом, основателями рационализма, которые полагали, что в мышлении существуют основные принципы, подобные аксиомам геометрии, и из них знание можно выводить чисто логически дедуктивным методом. Эти философы начали формулировать гипотезу о физической символьной системе, которая станет основой для исследований в области искусственного интеллекта.

Технологическими предпосылками к возникновению отрасли знания об искусственном интеллекте послужила первая механическая вычислительная машина — считающие часы Вильгельма Шикарда, сконструированные им в 1623 г., а также созданные впоследствии суммирующая машина Блеза Паскаля (1643 г), и арифмометр Лейбница (1671 г).

Важно

В 1832 году коллежский советник С. Н. Корсаков предложил новый принцип разработки научных методов и устройств для усиления возможностей человеческого разума и представил серию «умных машин», в конструкции которых впервые были применены перфорированные карты.

В 1928 году немецкий математик Давид Гильберт формулирует так называемую «Проблему разрешения» [1, с.

45]: найти алгоритм, который бы принимал в качестве входных данных описание любой проблемы разрешимости (формального языка и математического утверждения «S» на этом языке) — и, после конечного числа шагов, останавливался бы и выдавал один из двух ответов: «Истина» или «Ложь», — в зависимости от того, истинно или ложно утверждение «S».

1936 году Алан Тьюринг, считающийся отцом интуитивного подхода к изучению искусственного интеллекта, и Алонзо Чёрч независимо друг от друга публикуют работы, опровергающие возможность существования алгоритма решающего проблему разрешения. Это утверждение известно как «теорема Чёрча-Тьюринга».

В этой же статье «On computable numbers, with an application to the entscheidungsproblem» [2] Алан Тьюринг также впервые употребляет понятие «А-машина», сейчас известная как «Машина Тьюринга».

Машина Тьюринга — это абстрактная вычислительная машина, созданная для формализации понятия алгоритма.

Машина Тьюринга является расширением конечного автомата и, согласно тезису Чёрча-Тьюринга [3], способна имитировать всех исполнителей (с помощью задания правил перехода), каким-либо образом реализующих процесс пошагового вычисления, в котором каждый шаг вычисления достаточно прост.

В состав машины Тьюринга входит неограниченная в обе стороны лента (возможны машины Тьюринга, которые имеют несколько бесконечных лент), разделённая на ячейки, и управляющее устройство, способное находиться в одном из множества состояний. Число возможных состояний управляющего устройства конечно и точно задано.

Совет

Управляющее устройство может перемещаться влево и вправо по ленте, читать и записывать в ячейки символы некоторого конечного алфавита. Выделяется особый пустой символ, заполняющий все клетки ленты, кроме тех из них (конечного числа), на которых записаны входные данные.

Управляющее устройство работает согласно правилам перехода, которые представляют алгоритм, реализуемый данной машиной Тьюринга. Каждое правило перехода предписывает машине, в зависимости от текущего состояния и наблюдаемого в текущей клетке символа, записать в эту клетку новый символ, перейти в новое состояние и переместиться на одну клетку влево или вправо.

Некоторые состояния машины Тьюринга могут быть помечены как терминальные, и переход в любое из них означает конец работы, остановку алгоритма.

То есть, всякий интуитивный алгоритм может быть реализован с помощью некоторой машины Тьюринга. Машина Тьюринга была первой попыткой автоматизировать логические и математические вычисления, которые на том момент мог выполнять только человек.

В своей следующей статье «Computing machinery and intelligence» [4] (1950) Тьюринг задаётся вопросом «А может ли машина мыслить?».

Эта абстрактная формулировка заменяется на «может ли машина, путем общения с человеком посредством письма, обмануть его и заставить человека думать, что он также имеет дело с человеком?». Отсюда берет свое начало знаменитый тест Тьюринга.

Принято считать, что именно в этой работе впервые освещается вопрос искусственного интеллекта. Работу критикуют, так как до сегодняшнего дня ни одна машина не прошла Тест Тьюринга.

1943 году Уорен Мак-Каллох и Уолтер Питтс публикуют статью «A Logical Calculus of the Ideas Immanent in Nervous Activity» [5], в которой нейроны упрощенно рассматриваются как устройство, оперирующее двоичными числами. Так они основали новое направление в науке об искусственном интеллекте — нейронные сети.

Обратите внимание

В 1954 году Нильсом Ааном Баричелли был основан еще один подход в области искусственного интеллекта — эволюционное моделирование. При этом подходе решение задач оптимизации и моделирования осуществляется путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе (генетический алгоритм).

Этот период становления науки о искусственном интеллекте завершает Дартмутский семинар, ставший катализатором для научных исследований в этой области, т. к. именно на нём познакомились многие учёные. На этом же семинаре было утверждено появление новой отрасли науки, окрещённой «Artificial Intelligence» — «Искусственный интеллект».

Золотой век искусственного интеллекта

1956–1976 годы считаются золотым веком искусственного интеллекта, так как на тот момент не было накоплено никакой научной базы, что делало каждое открытие особенно важным. Искусственный интеллект развивался по двум основным направлениям: математическая логика и нейронные сети.

Американский ученый Фрэнк Розенблатт в 1962 году предложил принцип обучения нейронных сетей — обучение на примерах [6]. Также он создал первый нейрокомпьютер, с помощью которого ему удалось распознать рукописный текст.

1965 году Джон Алан Робинсон сформулировал правило резолюций [7] — правило вывода, восходящее к методу доказательства теорем через поиск противоречий.

Его работы были решающими в развитии языка логического программирования Пролог, который был создан в 1972 году Аленом Колмероэ и Филиппом Русселем.

С помощью этого языка стало возможным описывать различные задачи на языке логики с последующим решением на ЭВМ путем перебора всех возможных вариантов.

В это же время появилось понятие нечёткого множества, которое сформулировал Лютфи Заде в своей работе «Fuzzy sets» [8] (1965).

Заде расширил классическое понятие множества, допустив, что характеристическая функция множества может принимать любые значения в интервале от «0» до «1», а не только значения «0» или «1».

Вместе с понятием нечёткого множества возникла нечёткая логика, которая применяется в нейронных сетях (нейро-нечёткие системы).

Первая зима искусственного интеллекта

Важно

С 1969 по 1980 годы изучение нейронных сетей приостановилось. Это связано с публикацией книги Мартина Лии Мински и Сэймура Паперта «Perceptrons: an introduction to computational geometry» [9]. В данной книге авторы подвергли нейронные сети жесткой критике.

Одной из самых известных претензий является то, что в процессе исследования вычислительных способностей персептрона они пришли к выводу, что персептрон не может реализовать простейшую логическую функцию XOR (либо-либо).

Что, в свою очередь, заставило усомниться в нейросетевом подходе в целом.

Период с 1975 по 1980 годы называют первой зимой искусственного интеллекта. Кризис нейронных сетей оказался лишь предвестником грядущих неудач.

Причин кризиса было несколько: громко заявленный американским правительством полностью автономный военный вездеход так и не увидел свет; японский проект по созданию супер-компьютера пятого поколения, который, как обещалось, был бы способен вести с человеком полноценный разговор, был закрыт без всяких объяснений. Неудачи постигли множество проектов, связанных с автоматическими переводчиками и системами работы с текстом.

Также в это время был открыт комбинаторный взрыв. В 1972 г. Ричард Карп доказал, что при увеличении числа входных данных время решения задачи должно расти экспоненциально.

Это значит, что сложные задачи со множеством входных данных на сегодняшний день решить невозможно.

Открытие комбинаторного взрыва очень сильно ударило по всему комбинаторно-логическому подходу к искусственному интеллекту, на который в то время возлагали самые большие надежды.

Возвращение интереса кискусственному интеллекту

В результате развития экспертных систем в 1980–1984 годы наблюдается возвращение интереса к искусственному интеллекту.

Совет

Экспертная система — это программа, использующая базу знаний для решения задач в некоторой предметной области.

В 80-е экспертные системы начали внедряться в медицине, юриспруденции и других областях, и они стали первым коммерчески успешным направлением искусственного интеллекта.

Вторым фактором увеличения интереса к искусственному интеллекту стало развитие нейронных сетей. Были разработаны многослойные нейронные сети, которые, в частности, позволяли реализовать логическую функцию XOR. Благодаря Полу Уэрбосу появились средства обучения многослойных нейронных сетей [10].

Вторая зима искусственного интеллекта

Затем наступает вторая зима искусственного интеллекта (1984–1993 годы). Она была вызвана завышенными ожиданиями по отношению к экспертным системам, которые, в конце концов, заняли все возможные для их применения области и их распространение остановилось. Инвестирование этой области снизилось.

Но основной причиной начала второй зимы считается появление персональных компьютеров, ставшее причиной возникновения потребности в большом количестве программных продуктов. Возникло новое направление развития — компьютерные науки.

Компьютерные науки включают большое количество различных направлений, которые ранее изучались в рамках искусственного интеллекта, таких как: теория графов, символьные вычисления, комбинаторика и прочие.

В результате множество ученых из области искусственного интеллекта интеллектом перешли работать в новую область.

Новая эра

С 1993 года и по наше время длится новая эра искусственного интеллекта. Искусственный интеллект в том виде, в котором он существовал до текущего периода, прекратил свое существование.

Обратите внимание

Если раньше целью ученых, работавших в этой области, было воссоздание человеческого мышления техническими методами, то сейчас цели стали менее амбициозными и более реалистичными.

Сегодня термин искусственный интеллект практически не используется, существуют более конкретные термины, такие как: машинное обучение, интеллектуальные системы, конечные автоматы, эволюционные алгоритмы и многие другие.

Направления, ранее входившие в область искусственного интеллекта: искусственные нейронные сети, эволюционные вычисления и системы логического вывода, теперь являются самостоятельными направлениями, больше нет той объединявшей их сверхцели — построения искусственного разума.

На сегодняшний день наибольший ажиотаж вызывает технология нейронных сетей, лежащая в основе современных беспилотных автомобилей, систем автоматического распознавания голоса и перевода, систем идентификации личности, систем прогнозирования, систем фильтрации и многих других. Оправдают ли они ожидания учёных или мы на пороге очередной зимы искусственного интеллекта покажет время.

Литература:

  1. С. Л. Эдельман, Математическая логика. — Москва, Высшая школа, 1975. — стр. 45
  2. A. M. Turing, On computable numbers, with an application to the entscheidungsproblem, 1936
  3. [Электронный ресурс] // https:// ru.wikipedia.org/wiki/Тезис_Чёрча_—_Тьюринга (Дата обращения: 30.11.2017)
  4. A. M. Turing, Computing Machinery and Intelligence, 1950
  5. Warren S. Mcculloch and Walter Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biology Vol. 52, No. l/2. стр. 99–115.
  6. F. Rosenblatt: Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms. Brain Theory 1962. P. 245–248

Источник: https://moluch.ru/archive/206/50536/

История возникновения искусственного интеллекта

Оглавление

Введение 3

История возникновения искусственного интеллекта 4

значение фразы “искусственный интеллект” 5

Сферы применения искусственного интеллекта 6

искусственный интеллект и перспективы его развития 13

Заключение 14

Список источников 14

Введение

В настоящее время будет трудно представить нашу жизнь без участия искусственного интеллекта, его применение охватывает множество совершенно разных направлений, начиная от простейших бытовых приборов, которые использует простой потребитель, и заканчивая сложнейшими машинами работающими на огромных производствах. И хотя человечество только на начальных этапах развития данного направления, добились оно уже довольно больших успехов. Чтобы лучше разобраться в этой теме, стоит начать с самого начала.

История возникновения искусственного интеллекта

Идеи моделирования человеческого разума известны с древнейших времен. Впервые об этом упоминается в сочинении философа и теолога Раймунда Луллия (около 1235 – 1315) «Великое искусство», который не только высказал идею логической машины для решения разнообразных задач, но и попытался ее реализовать.

Рене Декарт (1596 – 1650) и Готфрид Вильгельм Лейбниц (1646 – 1716) независимо друг от друга развивали учение о прирожденной способности ума к познанию и всеобщих и необходимых истин логики и математики, работали над созданием универсального языка классификации всех знаний. Именно на этих идеях базируются теоретические основы создания искусственного интеллекта.

Толчком к дальнейшему развитию модели человеческого мышления стало появление в 40-х гг. ХХ в. ЭВМ.

С появлением первых ЭВМ стало ясно, что инженеры и математики создали не просто быстро работающее устройство для вычислений, а нечто более значительное.

Оказалось, что с помощью ЭВМ можно решать различные головоломки, логические задачи, играть в шахматы, создавать игровые программы, сочинять музыкальные мелодии, стихотворения и даже сказки. Появились программы для перевода с одного языка на другой, для распознавания образов, доказательства теорем.

Все это привело к выводу о том, что с помощью ЭВМ и соответствующих программ можно автоматизировать такие виды человеческой деятельности, которые называются интеллектуальными и считаются доступными лишь человеку.

Важно

В 1948 г. американский ученый Норберт Винер (1894 – 1964) сформулировал основные положения новой науки – кибернетики. В 1956 г. признано новое научное направление, связанное с машинным моделированием человеческих, интеллектуальных функций, и названное искусственным интеллектом.

Вскоре эта отрасль разделилась на два направления: нейрокибернетику и кибернетику «черного ящика».

Нейрокибернетика обратилась к структуре человеческого мозга, как единственно мыслящему объекту и занялась его аппаратным моделированием.

Нейрокибернетика занимается созданием элементов, аналогичных нейронам (связанным друг с другом нервным клеткам, составляющим основу мозга), и их объединением в функционирующие системы, названные нейросетями. В середине 80-х гг. ХХ в.

в Японии был создан первый нейрокомьютер, моделирующий структуру человеческого мозга. Его основная область применения – распознавание образов .

Для кибернетики «черного ящика» структура модели не важна, важна ее реакция на заданные входные данные. На выходе модель должна реагировать как человеческий мозг. Ученые этого направления занимаются разработкой алгоритмов решения интеллектуальных задач для имеющихся вычислительных систем.

Методы математической логики. Метод резолюций, позволяющий на основе определенных аксиом автоматически доказывать теоремы. В 1973 г. создан язык логического программирования Пролог. позволяющий обрабатывать символьную информацию.

С середины 70-х гг. реализуется идея моделирования конкретных знаний специалистов- экспертов. В США появляются первые экспертные системы.

Возникает новая технология искусственного интеллекта, основанная на представлении и использовании знаний. С середины 80-х гг. искусственный интеллект коммерциализируется.

Растут капиталовложения в эту отрасль, появляются промышленные системы, повышается интерес к самообучающимся системам.

Значение фразы “искусственный интеллект”

“Искусственный интеллект” является наукой о создании интеллектуальных машин и компьютерных программ. В целях данной науки компьютеры используются как средство для понимания особенностей человеческого интеллекта, в то же время, изучение ИИ не должно ограничиваться применением биологически правдоподобных методов.

Совет

Как и другие прикладные науки, наука об искусственном интеллекте представлена теоретической и экспериментальной частями. Практически, “Искусственный интеллект” занимает промежуточное положение между информатикой и вычислительной техникой и такими дисциплинами как когнитивная и поведенческая психология и нейрофизиология.

Что касается теоретической основы, ей служит “Философия искусственного интеллекта”, но до тех пор, пока нет значимых результатов в данной сфере, теория не имеет самостоятельного значения.

Тем не менее, уже сейчас следует различать науку об искусственном интеллекте и другие теоретические дисциплины и методики (робототехнические, алгоритмические, математические, физиологические), которые имеют самостоятельное значение.

Сейчас развитие ИИ происходит по двум направлениям: нейрокибернетика и кибернетика чёрного ящика. Одно из направлений – нейрокибернетика, или искусственный разум, основывается на моделировании работы человеческого мозга с помощью систем искусственного интеллекта, известных как нейронные сети или нейросети.

Второе направление ИИ – кибернетика чёрного ящика, или машинный интеллект, занимается поисками и разработкой алгоритмов для эффективного решения интеллектуальных задач с помощью имеющихся моделей компьютеров.

Для этого направления главное – не конструкция устройства, а принцип его работы: реакция «мыслящей» машины на входные воздействия должна быть такой же, как у человеческого мозга.

Об искусственном интеллекте написано много книг, но ни один автор не даёт однозначного ответа на вопрос, чем занимается эта наука. Большинство авторов рассматривают лишь одно определение ИИ, рассматривая научные достижения лишь в свете данного определения.

Следующая проблема касается природы человеческого интеллекта и его статуса: в философии до сих пор не существует их однозначного критерия. Нет и единого подхода к определению степени «разумности» машины. Однако существует множество гипотез, предложенных ещё на заре искусственного интеллекта.

Обратите внимание

Это и тест Тьюринга, о котором говорилось выше, и гипотеза Ньюэлла – Саймона, и множество других подходов к разработке ИИ, из которых можно выделить два основных:

семиотический, или нисходящий: основывается на создании баз знаний, систем логического вывода и экспертных систем, имитирующих различные психические процессы высокого уровня, такие как мышление, эмоции, речь, творчество, рассуждение и т. д.

биологический, или восходящий: в его основе лежит создание и изучение нейронных сетей, имитирующих процессы деятельности головного мозга человека, а также создание биокомпьютеров, нейрокомпьютеров и других подобных вычислительных систем.

Второй подход выходит за рамки определения, данного Джоном Маккарти, однако имеет ту же конечную цель, поэтому есть все основания для того, чтобы отнести его к сфере искусственного интеллекта.

В сочетании с когнитивной психологией, эпистемологией и нейрофизиологией искусственный интеллект образует ещё одну науку – когнитологию.

Эпистемология непосредственно связана с проблемами ИИ, так как она представляет собой науку о знании (часть философии), а философия, в свою очередь, играет не самую последнюю роль в искусственном интеллекте.

Философы и инженеры ИИ решают сходные задачи: те и другие ищут наилучшие способы представления и использования информации и знаний.

Когнитивное моделирование – метод, предложенный и впервые опробованный Аксельродом. Метод используется для принятия решений в недостаточно определенных ситуациях. В его основе – моделирование на основе знаний субъективных представлений о ситуации одного или нескольких экспертов. Модель представлений эксперта представляет собой когнитивную карту (F, W).

Важно

W – совокупность причинно-следственных связей между ситуационными факторами, а также множество методов анализа ситуации, F – все имеющиеся факторы ситуации. В настоящее время основным направлением развития когнитивного моделирования является совершенствование аппарата моделирования и анализа ситуации.

частности, разрабатываются различные методы прогнозирования ситуации и способы решения обратных задач.

В компьютерных науках решение проблем искусственного интеллекта осуществляется с применением проектирования баз знаний и экспертных систем. Базы знаний представляют собой совокупность знаний и правил, согласно которым информация может подвергаться осмысленной обработке.

В целом проблемы искусственного интеллекта в компьютерных науках исследуются с целью создания информационных систем, их эксплуатации и совершенствования. Вопросами подготовки разработчиков и пользователей таких систем занимаются специалисты в области информационных технологий.

Вполне естественно, что попытки создать искусственный разум привлекали и привлекают внимание учёных-философов. Появление первых интеллектуальных систем не могло не затронуть многих аспектов, касающихся человеческих знаний, мироустройства и места человека в мире.

Условно все философские проблемы в данной сфере можно разделить на две группы: возможности создания искусственного интеллекта и этика искусственного интеллекта. В первой группе большая часть вопросов посвящена возможности и способам создания ИИ. Вторая группа проблем связана с возможными последствиями появления ИИ для всего человечества.

При этом в трансгуманизме создание ИИ считается одной из первостепенных задач, стоящих перед человечеством.

Учёные в Институте сингулярности (SIAI), расположенном в США, активно изучают возможности глобальных рисков, которые могут возникнуть в результате создания сверхчеловеческого искусственного интеллекта.

Совет

Для предотвращения таких рисков следует запрограммировать ИИ на дружественность к людям. В фильме «Я, робот» вполне обоснованно затронута проблема этики искусственного интеллекта.

Некоторые учёные считают, что законы робототехники могут побудить «компьютерный разум» к захвату власти на Земле с целью «защиты» населения от вреда.

Что касается религиозных конфессий, большинство из них относятся к созданию ИИ достаточно спокойно.

Например, духовный лидер буддистов, далай-лама, считает, что сознание на компьютерной основе вполне может существовать. Религиозное течение раэлитов активно поддерживает разработки в данной сфере.

Другие конфессии затрагивают вопросы, связанные с ИИ, достаточно редко, чтобы можно было говорить о ярко выраженной позиции.

Рекомендуемые страницы:

Воспользуйтесь поиском по сайту:

Источник: https://megalektsii.ru/s2208t9.html

Ссылка на основную публикацию
Adblock
detector