Возможности искусственного интеллекта и его предназначение

Сверчеловеческие возможности искусственного интеллекта: мифы и реальность

Я слышал, что в будущем компьютерные ИИ станут настолько умнее нас, что отнимут у нас все рабочие места и ресурсы, а люди вымрут. Так ли это? Это самый частый вопрос, который мне задают на моих выступлениях по поводу ИИ.

Задающие его люди искренне волнуются, и их беспокойство происходит от других людей – экспертов, задающихся тем же самым вопросом.

Среди них можно встретить умнейших из живущих сегодня людей – это, к примеру, Стивен Хокинг, Илон Маск, Макс Тегмарк, Сэм Харрис и Билл Гейтс, – и все они верят в возможность такого сценария.

Обратите внимание

На недавней конференции, посвящённой проблемам ИИ, комитет из девяти наиболее сведущих в области ИИ людей согласился, что скорого появления сверхчеловеческого ИИ нам не избежать.

Воспользуйтесь нашими услугамиНо этот сценарий завоевания мира ИИ включает в себя пять предположений, которые, как выясняется при их внимательном изучении, не основаны на доказательствах.

Эти заявления в будущем могут оправдаться, но сейчас ни у одного из них нет доказательств. Вот эти предположения:

1. ИИ уже становится умнее нас, и его мощь растёт экспоненциально. 2. Мы создадим ИИ общего назначения, похожий на наш собственный. 3. Мы способны создать человеческий интеллект на базе кремния. 4. Интеллект способен расти без ограничений.

5. После взрыва сверхинтеллекта он поможет нам решить все наши проблемы.

В качестве возражения этому ортодоксальному канону я приведу пять еретических заявлений, которые, как мне кажется, имеют под собой больше оснований.

1. Интеллект не одномерен, поэтому концепция «умнее людей» не имеет смысла. 2. Ни у людей, ни у ИИ нет сознания общего назначения. 3. Эмуляция человеческого мышления на других носителях будет ограничена стоимостью его создания. 4. Размерности интеллекта не бесконечны.

5. Интеллект – всего лишь один из факторов прогресса.

Если ожидание появления сверхчеловеческого ИИ (СИИ) основано на пяти ключевых предположениях, не имеющих доказательств, тогда эта идея больше похожа на религиозную веру или на миф. Далее я развёрнуто объясню каждое из своих пяти контр-предположений, и докажу, что СИИ – на самом деле миф.

Самое распространённое заблуждение по поводу ИИ начинается с заблуждения по поводу естественного интеллекта. Оно состоит в том, что интеллект одномерен. Большинство технарей склонны к изображению интеллекта так, как Ник Бостром делает это в книге «Сверхинтеллект» [Superintelligence] – как одномерный линейный график с увеличивающейся амплитудой.

С одного края находится низкий интеллект, допустим, небольшого животного; с другого – высокий, допустим, гения – будто бы интеллект можно представить как уровень звука в децибелах.

Важно

Конечно, в таком случае легко представить, что громкость интеллекта продолжает расти и в итоге превышает наш высокоинтеллектуальный уровень и становится сверхгромким интеллектом – рёвом! – недоступным нам и выходящим за пределы графика.

Эта модель топологически эквивалентна лестнице, на которой каждая последующая ступенька интеллекта находится на шаг выше, чем предыдущая. Младшие животные находятся на нижних ступеньках, а ИИ высокого уровня обгонит нас и окажется на ступеньках выше. Временная шкала этого события не имеет значения, имеет значение только ранжирование – метрика увеличивающегося интеллекта.

Проблема этой модели в том, что она так же мифична, как лестница эволюции. До Дарвина природный мир рассматривали в качестве лестницы, на которой младшие животные располагались ниже человека.

Даже после Дарвина было принято думать об эволюции, как о «лестнице», согласно которой рыбы превратились в рептилий, затем в млекопитающих, затем в приматов, в человека, и каждый этап находится на чуть более высокой «ступени эволюции», и, следовательно, считается умнее предыдущих.

Так что лестница интеллекта согласуется с лестницей существования. Но у этих моделей совершенно ненаучный подход.

Более точное изображение естественной эволюции видов – расширяющийся диск, как на картинке выше, впервые предложенный Дэвидом Хиллисом из Техасского университета, и созданный на базе ДНК.

Эта генеалогическая мандала начинается в центре с наиболее примитивных форм жизни, а затем разветвляется наружу во времени. Время движется наружу, поэтому самые новые виды жизни, населяющие планету сегодня, находятся по периметру окружности.

Это изображение подчёркивает факт эволюции, который трудно принять: каждый из живущих сегодня видов одинаково эволюционно развит. Люди существуют на этом кольце совместно с тараканами, моллюсками, папоротниками, лисами и бактериями.

Совет

Каждый из видов прошёл непрерывную цепь в три миллиарда лет успешного воспроизводства, что значит, что сегодняшние бактерии и тараканы настолько же эволюционно развиты, как и люди. Нет никакой лестницы.

Точно так же нет никакой лестницы и у интеллекта. Интеллект не одномерен. Это комплекс из многих типов и режимов распознавания, каждый из которых представляет собой континуум. Возьмём простейшую задачу измерения интеллекта животных.

Если бы интеллект был одномерным, нам было бы просто выстроить в правильном восходящем порядке интеллекты попугая, дельфина, лошади, белки, осьминога, голубого кита, кошки и гориллы. Но сегодня у нас нет никаких научных подтверждений существования такой линии.

Одной из причин этого могло бы быть отсутствие разницы между интеллектами у животных, но и этого мы также не видим. В зоологии полно удивительных примеров различия мышления животных.

Но может быть, у них у всех есть один относительный «интеллект общего назначения»? Возможно, но для него у нас нет способа измерений и метрик. У нас есть множество разных метрик для множества типов познания.

Вместо одной линии с децибелами более точной моделью интеллекта будет график его вероятностного пространства, как, например, рисунок выше, представляющий возможные формы. Интеллект – это комбинаторный континуум.

Множество узлов, каждый из которых – континуум, создают сложные и разнообразные конструкции в высших измерениях. Некоторые интеллекты могут быть очень сложными и обладать множеством подузлов мышления. Другие могут быть проще, но протягиваться дальше, занимая угол в пространстве.

Эти комплексы, которые мы называем интеллектами, можно рассматривать как симфонии с участием множества типов инструментов. Они различаются не только по громкости, но и по тону, мелодии, цвету, темпу и т.д. Их можно представить в виде экосистемы.

Обратите внимание

И в этом смысле различные узлы-компоненты мышления зависят друг от друга и создаются совместно.

Как говорил Марвин Минский, человеческие умы – это сообщества разумов. Мы работаем на экосистемах мышления.

У нас внутри есть множество видов мышления, занимающихся многими типами размышлений: дедукцией, индукцией, символической логикой, эмоциональным интеллектом, пространственной логикой, краткосрочной памятью и долгосрочной памятью.

Нервная система нашего кишечника тоже представляет собой мозг некоего типа со своим режимом мышления. Мы думаем не просто одним мозгом, мы думаем всем телом целиком.

Эти комплекты мышления разнятся от индивида к индивиду и от вида к виду. Белка может помнить точное расположение нескольких тысяч желудей годами, что совершенно поражает человеческий разум. Так что в этом виде мышления белки превосходят людей.

Эта сверхспособность связана с другими режимами, меркнущими по сравнению с нашими, и эта связь составляет разум белки. В животном мире множество других примеров возможностей, превосходящих человеческие, и они также включены в разные системы.

Источник: http://integral-russia.ru/2017/05/24/sverchelovecheskie-vozmozhnosti-iskusstvennogo-intellekta-mify-i-realnost/

Направления и области применения искусственного интеллекта

Среди важнейших классов задач, которые ставились перед разработчиками интеллектуальных систем с момента определения искусственного интеллекта как научного направления (с середины 50-х годов ХХ века), следует выделить следующие направления искусственного интеллекта, которые решают задачи, что плохо поддаются формализации: доказательство теорем, распознавания изображений, машинный перевод и понимание человеческой речи, игровые программы, машинная творчество, экспертные системы. Кратко рассмотрим их сущность.

Направления искусственного интеллекта

Доказательство теорем. Изучение приемов доказательства теорем сыграло важную роль в развитии искусственного интеллекта.

Много неформальных задач, например, медицинская диагностика, применяют при решении методические подходы, которые использовались при автоматизации доказательства теорем.

Поиск доказательства математической теоремы требует не только провести дедукцию, исходя из гипотез, но также создать интуитивные предположения о том, какие промежуточные утверждение следует доказать для общего доказательства основной теоремы.

Распознавание изображений. Применение искусственного интеллекта для распознавании образов позволила создавать практически работающие системы идентификации графических объектов на основе аналогичных признаков. В качестве признаков могут рассматриваться любые характеристики объектов, подлежащих распознаванию.

Признаки должны быть инвариантны к ориентации, размера и формы объектов. Алфавит признаков формируется разработчиком системы. Качество распознавания во многом зависит от того, насколько удачно сложившийся алфавит признаков.

Важно

Распознавания состоит в априорном получении вектора признаков для выделенного на изображении отдельного объекта и, затем, в определении которой из эталонов алфавита признаков этот вектор отвечает.

Машинный перевод и понимание человеческой речи. Задача анализа предложений человеческой речи с применением словаря является типичной задачей систем искусственного интеллекта. Для ее решения был создан язык-посредник, облегчающий сопоставление фраз из разных языков.

В дальнейшем этот язык-посредник превратилась в семантическую модель представления значений текстов, подлежащих переводу. Эволюция семантической модели привела к созданию языка для внутреннего представления знаний.

В результате, современные системы осуществляют анализ текстов и фраз в четыре основных этапа: морфологический анализ, синтаксический, семантический и прагматический анализ.

Игровые программы. В основу большинства игровых программ положены несколько базовых идей искусственного интеллекта, таких как перебор вариантов и самообучения.

Одна из наиболее интересных задач в сфере игровых программ, использующих методы искусственного интеллекта, заключается в обучении компьютера игры в шахматы.

Она была основана еще на заре вычислительной техники, в конце 50-х годов.

В шахматах существуют определенные уровни мастерства, степени качества игры, которые могут дать четкие критерии оценки интеллектуального роста системы. Поэтому компьютерными шахматами активно занимался ученые со всего мира, а результаты их достижений применяются в других интеллектуальных разработках, имеющих реальное практическое значение.

В 1974 году впервые прошел чемпионат мира среди шахматных программ в рамках очередного конгресса IFIP (International Federation of Information Processing) в Стокгольме. Победителем этого соревнования стала шахматная программа «Каисса». Она была создана в Москве, в Институте проблем управления Академии наук СССР.

Машинная творчество. К одной из областей применений искусственного интеллекта можно отнести программные системы, способные самостоятельно создавать музыку, стихи, рассказы, статьи, дипломы и даже диссертации.

Сегодня существует целый класс музыкальных языков программирования (например, язык C-Sound).

Для различных музыкальных задач было создано специальное программное обеспечение: системы обработки звука, синтеза звука, системы интерактивного композиции, программы алгоритмической композиции.

Экспертные системы. Методы искусственного интеллекта нашли применение в создании автоматизированных консультирующих систем или экспертных систем. Первые экспертные системы были разработаны, как научно-исследовательские инструментальные средства в 1960-х годах прошлого столетия.

Они были системами искусственного интеллекта, специально предназначенными для решения сложных задач в узкой предметной области, такой, например, как медицинская диагностика заболеваний.

Классической целью этого направления изначально было создание системы искусственного интеллекта общего назначения, которая была бы способна решить любую проблему без конкретных знаний в предметной области.

Ввиду ограниченности возможностей вычислительных ресурсов, эта задача оказалась слишком сложной для решения с приемлемым результатом.

Совет

Коммерческое внедрение экспертных систем произошло в начале 1980-х годов, и с тех пор экспертные системы получили значительное распространение. Они используются в бизнесе, науке, технике, на производстве, а также во многих других сферах, где существует вполне определенная предметная область.

Основное значение выражения «вполне определенное», заключается в том, что эксперт-человек способен определить этапы рассуждений, с помощью которых может быть решена любая задача по данной предметной области. Это означает, что аналогичные действия могут быть выполнены компьютерной программой.

Теперь с уверенностью можно сказать, что использование систем искусственного интеллекта открывает широкие границы.

Сегодня, экспертные системы являются одним из самых успешных применений технологии искусственного интеллекта. Поэтому рекомендуем Вам ознакомится с проблемами искусственного интеллекта.

(Пока оценок нет)
Загрузка…

Источник: https://LibTime.ru/expertsystems/napravleniya-i-oblasti-primeneniya-iskusstvennogo-intellekta.html

Области применения искусственного интеллекта

Сегодня стремительно развивается научно-технический прогресс. Одним из его быстроразвивающихся отраслей является искусственный интеллект.

Сегодня стремительно развивается технический прогресс. Наука не стоит на месте и с каждым годом люди придумывают все более усовершенствованные технологии. Одним из новых направлений развития технического прогресса является искусственный интеллект.

Впервые человечество услышало об искусственном интеллекте более 50 лет назад. Это случилось на конференции, проходившей в 1956 году в Дартмутском университете, на которой Джон Маккарти дал термину чёткое и ясное определение.

«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.

Искусственный интеллект современных компьютеров довольно высокого уровня, но не до того уровня, чтобы их поведенческие способности не уступали хотя бы самым примитивным животным.

Читайте также:  Япония планирует совершить революцию роботов к 2020 году

Итогом исследований по вопросам «искусственного интеллекта» является стремление понять работу мозга, раскрыть секреты человеческого сознания и проблему создания машин обладающих определенным уровнем человеческого интеллекта.

Обратите внимание

Принципиальная возможность моделирования интеллектуальных процессов следует, что любую функцию мозга, любую умственную деятельность, описанную языком со строго однозначной семантикой с помощью конечного числа слов, в принципе можно передать электронной цифровой вычислительной машине.

В настоящее время разработаны некоторые модели искусственного интеллекта в различных областях, но до сих пор не создан компьютер способный обрабатывать информацию в любой новой области.

Среди важнейших классов задач, которые ставились перед разработчиками интеллектуальных систем с момента определения искусственного интеллекта как научного направления, следует выделить следующие направления искусственного интеллекта:

  • Доказательство теорем. Изучение приемов доказательства теорем сыграло важную роль в развитии искусственного интеллекта. Много неформальных задач, например, медицинская диагностика, применяют при решении методические подходы, которые использовались при автоматизации доказательства теорем. Поиск доказательства математической теоремы требует не только провести дедукцию, исходя из гипотез, но также создать интуитивные предположения о том, какие промежуточные утверждение следует доказать для общего доказательства основной теоремы.
  • Распознавание изображений. Применение искусственного интеллекта для распознавании образов позволила создавать практически работающие системы идентификации графических объектов на основе аналогичных признаков. В качестве признаков могут рассматриваться любые характеристики объектов, подлежащих распознаванию. Признаки должны быть инвариантны к ориентации, размера и формы объектов. Алфавит признаков формируется разработчиком системы. Качество распознавания во многом зависит от того, насколько удачно сложившийся алфавит признаков. Распознавания состоит в априорном получении вектора признаков для выделенного на изображении отдельного объекта и, затем, в определении которой из эталонов алфавита признаков этот вектор отвечает.
  • Машинный перевод и понимание человеческой речи. Задача анализа предложений человеческой речи с применением словаря является типичной задачей систем искусственного интеллекта. Для ее решения был создан язык-посредник, облегчающий сопоставление фраз из разных языков. В дальнейшем этот язык-посредник превратилась в семантическую модель представления значений текстов, подлежащих переводу. Эволюция семантической модели привела к созданию языка для внутреннего представления знаний. В результате, современные системы осуществляют анализ текстов и фраз в четыре основных этапа: морфологический анализ, синтаксический, семантический и прагматический анализ.
  • Игровые программы. В основу большинства игровых программ положены несколько базовых идей искусственного интеллекта, таких как перебор вариантов и самообучения. Одна из наиболее интересных задач в сфере игровых программ, использующих методы искусственного интеллекта, заключается в обучении компьютера игры в шахматы. Она была основана еще на заре вычислительной техники, в конце 50-х годов. В шахматах существуют определенные уровни мастерства, степени качества игры, которые могут дать четкие критерии оценки интеллектуального роста системы. Поэтому компьютерными шахматами активно занимался ученые со всего мира, а результаты их достижений применяются в других интеллектуальных разработках, имеющих реальное практическое значение.
  • Машинная творчество. К одной из областей применений искусственного интеллекта можно отнести программные системы, способные самостоятельно создавать музыку, стихи, рассказы, статьи, дипломы и даже диссертации. Сегодня существует целый класс музыкальных языков программирования (например, язык C-Sound). Для различных музыкальных задач было создано специальное программное обеспечение: системы обработки звука, синтеза звука, системы интерактивного композиции, программы алгоритмической композиции.
  • Экспертные системы. Методы искусственного интеллекта нашли применение в создании автоматизированных консультирующих систем или экспертных систем. Первые экспертные системы были разработаны, как научно-исследовательские инструментальные средства в 1960-х годах. Они были системами искусственного интеллекта, специально предназначенными для решения сложных задач в узкой предметной области, такой, например, как медицинская диагностика заболеваний. Классической целью этого направления изначально было создание системы искусственного интеллекта общего назначения, которая была бы способна решить любую проблему без конкретных знаний в предметной области. Ввиду ограниченности возможностей вычислительных ресурсов, эта задача оказалась слишком сложной для решения с приемлемым результатом.

Можно сказать, что основная цель разработки искусственного интеллекта – это оптимизация, вы только представьте, как человек не подвергаясь опасности, смог бы изучать другие планеты, добывал бы драгоценные металлы.

Таким образом, можно сделать вывод, что изучение и развитие искусственного интеллекта имеет важное значение для всего общества. Ведь с применением данной системы можно обезопасить и облегчить человеческую жизнь.

Источник: https://novainfo.ru/article/6506

Назначение и основы использования систем искусственного интеллекта

Искусственный интеллект — это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее.

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems).Это основное направление в области изучения искусственного интеллекта.

Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем.

В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing).Начиная с 50-х годов, одной из популярных тем исследования в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.

Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов — переводчик с английского на русский язык — продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе.

Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста.

В дальнейшем системы МП усложнялись, и в настоящее время используется несколько более сложных моделей:

применение так называемых «языков-посредников» или языков смысла, в результате происходит дополнительная трансляция «исходный язык оригинала — язык смысла — язык перевода»;

ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;

Структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Традиционно такой подход предполагает наличие нескольких фаз анализа:

Морфологический анализ — анализ слов в тексте.

Синтаксический анализ — разбор состава предложений и грамматических связей между словами.

Семантический анализ — анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы данных.

Прагматический анализ — анализ смысла предложений в реальном контексте на основе собственной базы данных.

Синтез ЕЯ-сообщений включает аналогичные этапы, но несколько в другом порядке.

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

Важно

В последние годы к этому направлению тесно примыкают стремительно развивающиеся системы data mining — анализа данных и knowledge discovery — поиска закономерностей в базах данных.

Рисунок 25 – Схема Data Mining

Data Mining – это процесс обнаружения в сырых данных ранее неизвестных нетривиальных практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности (Рисунок 25).

Распознавание образов (pattern recognition).Традиционно — одно из направлений искусственного интеллекта, берущее начало у самых его истоков, но в настоящее время практически выделившееся в самостоятельную науку.

Ее основной подход — описание классов объектов через определенные значения значимых признаков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание.

Процедура распознавания использует чаще всего специальные математические процедуры и функции, разделяющие объекты на классы. Это направление близко к машинному обучению и тесно связано с нейрокибернетикой.

Новые архитектуры компьютеров (new hardware platforms and architectures).Самые современные процессоры сегодня основаны на традиционной последовательной архитектуре фон Неймана, используемой еще в компьютерных первых поколений. Эта архитектура крайне неэффективна для символьной обработки.

Поэтому усилия многих научных коллективов и фирм уже десятки лет нацелены на разработку аппаратных архитектур, предназначенных для обработки символьных и логических данных. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений.

Последние разработки посвящены компьютерам баз данных, параллельным и векторным компьютерам.

Тест Тьюринга

Тест Тьюринга — тест, предложенный Аланом Тьюрингом в 1950 г. в статье «Вычислительные машины и разум» (Computing machinery and intelligence) для проверки, является ли компьютер разумным в человеческом смысле слова. Тьюринг предложил тест, чтобы заменить бессмысленный, по его мнению, вопрос «может ли машина мыслить?» на более определенный.

Тест должен проводиться следующим образом. Судья (человек) переписывается на естественном языке с двумя собеседниками, один из которых — человек, другой — компьютер.

Если судья не может надежно определить, кто есть кто, считается, что компьютер прошел тест. Предполагается, что каждый из собеседников стремится, чтобы человеком признали его.

Чтобы сделать тест простым и универсальным, переписка сводится к обмену текстовыми сообщениями.

Совет

Переписка должна производиться через контролируемые промежутки времени, чтобы судья не мог делать заключения, исходя из скорости ответов. Это правило необходимо, потому что компьютеры работают гораздо быстрее, чем мозг человека.

Тьюринг предсказал, что компьютеры в конечном счете пройдут его тест. Он считал, что к 2000 году компьютер с памятью 1 миллиард бит (около 119 МБ) в ходе 5-минутного теста сможет обмануть судей в 30 % случаев. Это предсказание не сбылось.

Пока что ни одна программа и близко не подошла к прохождению теста. Такие программы, как ELIZA, иногда заставляли людей верить, что они говорят с человеком.

Но такие «успехи» не являются прохождением теста Тьюринга.

Во-первых, человек в таких беседах не имел никаких оснований считать, что он говорит с программой, в то время как в настоящем тесте Тьюринга человек активно пытается определить, с кем он беседует.

Ежегодно производится соревнование между разговаривающими программами и наиболее человекоподобной, по мнению судей, присуждается приз Лёбнера (Loebner). Есть также дополнительный приз для программы, которая, по мнению судей, пройдет тест Тьюринга. Этот приз еще не присуждался. Самый лучший результат показала программа A.L.I.C.E., выиграв тест 3 раза (в 2000, 2001 и 2004).

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:

Источник: https://zdamsam.ru/a7456.html

Искусственный интелект надежды и возможности (стр. 1 из 2)

Канашский филиал

КОНТРОЛЬНАЯ РАБОТА № 1

По Философии

Вариант 3

Студента 1 курса экономического факультета

Шифр: 04653033

Учебная группа: 53-06

Домашний адрес

Работа выслана в Чувашский госуниверситет

«____» ____________2006 г.

Передана на кафедру «Философии»

Оценка___________

«___» _____________2006г.

Преподаватель:

Шумилов Владимир Константинович

Возвращена в деканат

______________________

Вариант 3.

Искусственный интеллект: надежды и возможности реализации.

План:

Введение.

Человек разрабатывает все новые и новые технологии, причем все это происходит с огромной скоростью. 20 век стал веком научно-технического прогресса.

Совсем недавно были разработаны простые механизмы облегчающие труд человека и этот процесс науки и техники вызвал в обществе глубокие преобразования, затрагивающие все сферы и стороны человеческого бытия.

Сегодня уровни технологий достигли такого уровня, что простыми механизмами современное общество обойтись не в состоянии.

Обратите внимание

Современное общество это мир информационных технологий, и невозможно сегодня быть полноценным членом общества, если не использовать сегодняшние достижения.

Сегодняшние технологии требуют от человека высокого уровня знаний и профессионализма только для того чтобы грамотно использовать их.

На этапе 21 века возникает проблема развивать все новые и сложные технологии, которых требует современный образ жизни, и чтобы общество ,что очень важно, могло легко использовать их.

Технологии оснащенные искусственным интеллектом это то что требует сегодняшний день. И не нужно быть каждому программистом или инженером.

1. Понятие интеллекта

XX столетие – уникальный по своим особенностям и содержанию этап мировой истории. Он отличается не виданной ранее динамичностью и сложностью социального, научно-технического и культурного развития, глубиной и значительностью происходящих в них перемен, необычной трудностью проблем, вставших перед человечеством.

Динамичные перемены в социальной и культурной жизни человечества вызваны успехами науки и техники. На смену длившемуся многие тысячелетия медленному прогрессу человеческой цивилизации пришла пора ошеломляюще быстрых перемен, всевозрастающего ускорения процесса наращивания материальных и духовных сил общества.

Процесс науки и техники вызвал в современном обществе глубокие преобразования, затрагивающие все сферы и стороны человеческого бытия. Человек в XX столетии стал обладателем множества научных открытий, совершенных технических средств.

Под интеллектом мы понимаем способность любого организма (или устройства) достигать некоторой измеримой степени успеха при поиске одной из многих возможных целей в обширном многообразии средств.

Важно

Необходимо отличать знания от интеллекта, имея в виду, что знания – полезная информация, накопленная индивидуумом, а интеллект – это его способность предсказывать состояние внешней среды в сочетании с умением преобразовывать каждое предсказание в подходящую реакцию, ведущую к заданной цели. По-разному дается и определение искусственного интеллекта. Полагают, что о реализации искусственного интеллекта можно будет говорить лишь тогда, когда автомат начнет решать задачи, непосильные для человека, причем сделает это не в результате высокого быстродействия, а в результате применения нового найденного метода.

Читайте также:  В казахстане роботы будут играть в бадминтон

2. Сознание и мышление.

Сознание является не столько продуктом развития природы, сколько продуктом общественной жизни человека, общественного труда предыдущих поколений людей. Оно является существенной частью деятельности человека, посредством которой создается человеческая природа и не может быть принята вне этой природы.

Если в машинах и вообще в неорганической природе отражение есть пассивный, мертвый физико-химический, механический акт без обобщения и проникновения в сущность обобщаемого явления, то отражение в форме сознания есть, “познание высокоорганизованной материей самой себя, проникновение в сущность, закон развития природы, предметов и явлений объективного мира”.

В машине же отражение не осознанно, так как оно осуществляется без образования идеальных образов и понятий, а происходит в виде электрических импульсов, сигналов и т.п.

Поскольку, в нашем понимании, машина не мыслит, это не есть та форма отражения, которая имеет место в процессе познания человеком окружающего мира.

Закономерности процесса отражения в машине определяются, прежде всего, закономерностями отражения действительности в сознании человека, так как машину создает человек в целях более точного отражения действительности, и не машина сама по себе отражает действительность, а человек отражает ее с помощью машины. Поэтому отражение действительности машиной является составным элементом отражения действительности человеком. Появление кибернетических устройств приводит к возникновению не новой формы отражения, а нового звена, опосредующего отражение природы человеком.

Общность мышления со способностью отражения служит объективной основой моделирования процессов мышления. Мышление связано с созданием, передачей и преобразованием информации, а эти процессы могут происходить не только в мозгу, а и в других системах, например ЭВМ.

Кибернетика, устанавливая родство между отражением, ощущением и даже мышлением, делает определенный шаг вперед в решении поставленной проблемы. Это родство между мышлением и другими свойствами материи вытекает из двух фундаментальных принципов: принципа материального единства мира и принципа развития.

Однако нельзя ни абсолютизировать ни отрицать это родство. Мышление это человеческое качество и отличается от кибернетической обработки информации.

Совет

Несмотря на качественное различие машины и мозга в их функциях есть общие закономерности (в области связи, управления и контроля), которые и изучает кибернетика. Но эта аналогия между деятельностью автоматической и нервной системы, даже в плане переработки информации, относительно условна и ее нельзя абсолютизировать.

И в этой связи следует отметить, что для некоторых исследований по кибернетике, особенно тех, которые выполнены в начальный период ее развития, были характерны механистические и метафизические тенденции.

Имело место непринятие во внимание качественных различий между неживой материей и мыслящим мозгом, стиралась всякая грань между познающим субъектом и объектом материального мира.

Коль скоро современные ЭВМ универсальны и способны выполнять целый ряд логических функций, то утверждалось, что нет никаких оснований не признавать эту деятельность интеллектуальной. Допускалось создание искусственного интеллекта или машины, которая будет “умнее” своего создателя.

Были поставлены другие вопросы, связанные с возможностью такой машины. Сможет ли машина полностью, во всех отношениях заменить человека? Существуют ли вообще, какие ли пределы развития кибернетических устройств? Конечно, эти вопросы не утратили актуальность. Было бы преждевременно списывать их в архив нестрого поставленных вопросов, ибо через них проходит линия конфликта между различными философскими школами.

3. Человеческое сознание и его отношение к функционированию

кибернетических устройств.

Иначе говоря, речь идет о сущности человеческого сознания и его отношения к функционированию кибернетических устройств.

В настоящее время происходит обсуждение вопроса о перспективах развития кибернетических машин и их взаимоотношений с человеческим разумом.

Чтобы создать машину, функционирующую как мозг, необходимо создать вещество, обладающее свойствами или подобное высокоорганизованной белковой материи, каковое образует мозг. Действительно, такая машина будет функционировать “как мозг”, но именно функционировать, а не мыслить.

Обратите внимание

Чтобы мыслить материя должна существовать не только в экономической, но и в социальной форме. А замена неорганического содержимого органическим этого не дает, более того, в результате подобной замены будет утрачено одно из основных преимуществ электронной машины быстродействие.

Рассматривая возможность создания искусственным путем, на основе моделирования, мыслящего существа необходимо остановиться на двух аспектах этой проблемы.

Во-первых, кибернетика моделирует не все функции мозга, а только те, которые связаны с получением, обработкой и выдачей информации, т.е. функции, которые поддаются логической обработке.

Все же другие, бесконечно разнообразные функции человеческого мозга остаются вне поля зрения кибернетики.

Во-вторых, с точки зрения теории моделирования вообще не имеет смысла говорить о полном тождестве модели и оригинала.

Отождествление человеческого и “машинного” разума происходит тогда, когда субъект мышления подменяется какой-либо материальной системой, способной отражать. Единственным же субъектом мышления является человек, вооруженный всеми средствами, которыми он располагает на данном уровне своего развития.

В эти средства входят и кибернетические машины, в которых материализованы результаты человеческого труда. И, как всякое орудие производства, кибернетика продолжает и усиливает возможности человеческого мозга. Человек будет передавать машине лишь некоторые функции, выполняемые им в процессе мышления.

Само мышление как духовное производство, создание научных понятий, теорий, идей, в которых отражаются закономерности объективного мира, останется за человеком.

Источник: http://MirZnanii.com/a/189527/iskusstvennyy-intelekt-nadezhdy-i-vozmozhnosti

Что такое Искусственный Интеллект, и где его можно применить | Клуб Частных Инвесторов

Искусственный Интеллект — искусственно созданная система, способная воспроизводить интеллектуальные и творческие процессы, традиционно свойственные человеческому интеллекту.

Одним из основных параметров, определяющих принадлежность системы к категории ИИ, принято считать прохождение теста Тьюринга — способностью системы ввести в заблуждение общающегося с ней человека, который не смог бы определить точно, с кем он общается — с человеком, или с искусственным разумом.

Прочие параметры не настолько важны в определении, и могут значительно превосходить человеческие возможности.

Основными составляющими искусственного интеллекта считаются такие категории, как: наличие памяти и баз данных, способность к самообучению и самостоятельной постановке задач, и способность логического решения поставленных задач для достижения цели.

Проблематика и трудности создания искусственного интеллекта связаны в основном с тем, что само определение «интеллект», все еще недостаточно изучено и размыто в формулировках.

Компьютерные системы, способные существенно опередить человека в решении определенных логических, и отчасти абстрактных задач, успешно функционируют уже много лет, но до сих пор еще ни одна такая систем не смогла успешно пройти тест Тьюринга.

Робот секретарь — самообучающийся с зачатками программного интеллекта.

Важно

Способность к самообучению так же демонстрируют многие разработки, поскольку это одна из самых злободневных функций. Такие системы уже успешно применяются в быту, и их производство поставлено на коммерческую основу. Однако, эти функции пока не преодолели барьер, за которым подобную систему можно назвать полноценным искусственным интеллектом.

Максимум, на что способны сегодняшние аналоги систем ИИ, это все еще имитация интеллектуальной деятельности человека, которую сам человек всегда способен разоблачить.

ИИ — это, конечно будущее. А что ещё в перспективе будет интересно через 10, 100 лет — читайте здесь.

Тем не менее, программы таких систем стремительно совершенствуются и усложняются, и это позволяет предполагать, что рано или поздно, барьер, за которым система окажется способной обрести уровень самостоятельности и осознанности, близкий к уровню человеческого интеллекта, все же может быть достигнут.

Разработчики искусственных интеллектуальных систем, естественно, не могут не учитывать возможность утраты контроля над системой, в случае обретения ей уровня самостоятельности, который только и можно назвать подлинным интеллектом. Но, поскольку без определенной степени свободы в процессе самообучения такая система принципиально не способна сформироваться, контролировать этот процесс оказывается в какой-то степени невозможным.

Такой прогноз многих пугает, поскольку — чего ждать от подобной искусственной системы, обретшей самосознание, никто пока не точно предсказать не может, хотя на эту тему написано множество фантастических романов, и поставлено фильмов.

В конечном итоге, мы пока сами не до конца понимаем, связано ли наличие свободы воли человеческого интеллекта, его способность к самоидентификации и рефлексии только с вычислительной мощностью мозга, или это более сложная функция, которая не достижима лишь наращиванием вычислительной мощности и количества внутрисистемных информационных каналов.

Поэтому вопрос о возможности создания полноценного искусственного интеллекта все еще остается открытым.

Андрей Себрант (Яндекс) — Бизнес в Эпоху Искусственного Интеллекта:

Разработки в области искусственного интеллекта — области применения ИИ

ИИ применяют в поисковых системах — ранжирование результатов выдачи в зависимости от множества параметров. Как результат — пользователи получают то, что искали.

В социальных сетях и сайтах знакомств — обучаясь на основе взаимодействия участников, ИИ способен предлагать каждому участнику наилучшие варианты для общения.

Для банков ИИ — это скоринг на основе bigdata.

Для инвесторов — анализ акций и прочих биржевых активов.

Что пишут коллеги:

Учебная деятельность. Для улучшения домашнего обучения детям, которые не могут посещать школу, искусственный интеллект необходим в качестве учителя. (Разъяснение материала, доказательство теорем, рассмотрение задач, описание плана учебной деятельности).

Криминалистическая деятельность. (Искусственный интеллект способен распознавать графические изображения, объекты. Это смогло бы сузить территорию поиска преступников, помочь в воссоздании портрета жертвы в случаях невозможности распознания ее, создание портрета преступника, места нахождение детонаторов, жертв, самих убийц).

Рабочая деятельность. (Искусственный Интеллект способен расширять область своих знаний, расшифровывать машинную и человеческую речь.

Это дает возможность заменить людей в любых отраслях и видах деятельности.

ИИ полноценно способен заменить рабочего у станка, телефоны доверия, службы спасения, такси и ряд других профессий, которые относятся к роли обслуживающего персонала: горничные, посудомойки, официантки).

Медицина. (С помощью искусственного интеллекта создается возможность диагностики заболеваний на ранних стадиях. Возможность лечения человека изнутри, помощь в адаптации к структурам живого организма органов, которые были пересажены). На основе технологий, относимых к ИИ создаются роботизированные хирурги.

Искусственный интеллект возможно использовать в качестве няни для детей дошкольного возраста, которая займется обучением дошкольной программы методами игровой конструкции.

Источник: https://kudavlozitdengi.adne.info/iskusstvennyj-intellekt/

Создание искусственного интеллекта

Возможно ли создать искусственный разум, и если да, то как? Многочисленные попытки ответить на этот вопрос породили целое направление науки — искусственный интеллект (ИИ). Впрочем, в последнее время этот термин трактуют не столь широко, как раньше.

Сейчас ИИ рассматривают как прикладную область исследований, связанных с имитацией отдельных функций интеллекта человека. Распознавание образов, машинный перевод, интеллектуальные агенты, робототехника — это лишь некоторые из направлений, по которым развиваются системы искусственного интеллекта.

Термин «интеллект» (intelligence) происходит от латинского «intellectus», что означает ум, рассудок, разум; мыслительные способности человека.

Совет

Соответственно искусственный интеллект (ИИ, он же artificial intelligence — AI в зарубежной литературе) обычно трактуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий. Система, наделенная интеллектом, является универсальным средством решения широкого круга задач (в том числе неформализованных), для которых нет стандартных, заранее известных методов решения. Таким образом, мы можем определить интеллект и как универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.

Существуют и другие, чисто поведенческие (функциональные) определения интеллекта. Так, по А. Н. Колмогорову, любая материальная система, с которой можно достаточно долго обсуждать проблемы науки, литературы и искусства, обладает интеллектом. Другим примером поведенческой трактовки интеллекта может служить известное определение А. Тьюринга.

Его смысл заключается в следующем. В разных комнатах находятся люди и машина. Они не могут видеть друг друга, но имеют возможность обмениваться информацией (например, с помощью электронной почты).

Если в процессе диалога между участниками игры людям не удается установить, что один из участников — машина, то такую машину можно считать обладающей интеллектом.

Цель, необходимость создания и безопасность систем ИИ

Одним из важнейших вопросов ИИ является цель его создания. В принципе все, что мы делаем в практической жизни, обычно делается ради того, чтобы больше ничего не делать.

Однако при достаточно высоком уровне жизни (большом количестве потенциальной энергии) на первые роли выступает уже не лень (в смысле желания экономить энергию), а поисковые инстинкты. Допустим, человек сумел создать интеллект, превосходящий его собственный (если не качеством, то количеством).

Что теперь будет с человечеством? Какую роль будет играть человек и для чего он теперь нужен? И вообще, нужно ли в принципе создавать ИИ?

По-видимому, самым приемлемым ответом на эти вопросы является концепция «усилителя интеллекта» (УИ). Очевидно, здесь уместна аналогия с президентом государства — он не обязан знать валентности ванадия для принятия решения о развитии ванадиевой промышленности страны.

Обратите внимание

Так же, как не обязан, к примеру, разбираться в тонкостях языка программирования Java, чтобы решить вопрос о его использовании для своего официального сайта. Каждый занимается своим делом — химик описывает технологический процесс, программист создает код.

Читайте также:  Почти все успешные трейдеры обладают искусственным интеллектом

В конце концов, экономист говорит президенту, что, вложив деньги в промышленный шпионаж, страна получит 20% годовых, а вложив в ванадиевую промышленность — 30%.

Думается, при такой постановке вопроса даже самый последний бомж (правда, находящийся в сознании) сможет сделать правильный выбор.

В данном примере президент использует биологический УИ — группу специалистов с их белковыми мозгами.

Но уже сейчас используются и неживые УИ — например, мы не могли бы с такой степенью достоверности предсказывать погоду без компьютеров; при полетах космических кораблей с самого начала использовались бортовые счетно-решающие устройства.

Кроме того, человек уже давно использует усилители силы (УС) — понятие, во многом аналогичное УИ. В качестве усилителей силы ему служат автомобили, краны, электродвигатели, прессы, пушки, самолеты и многое-многое другое. Однако между УИ и УС есть принципиальная разница. Первые обладают волей, а вторые — нет.

Интеллектуальная система вполне могла бы иметь свои желания и поступать не так, как нам хотелось бы. Таким образом, перед нами встает еще одна проблема — проблема безопасности. Она будоражит умы еще со времен Карела Чапека, впервые употребившего термин «робот».

Весомую лепту в ее обсуждение внесли многие писатели-фантасты и режиссеры.

Важно

Вспомните хотя бы превосходные рассказы Айзека Азимова о роботах, захватывающий роман Сергея Лукьяненко «Фальшивые зеркала», трогательный фильм Стивена Спилберга «Искусственный интеллект»…

Следующий вопрос, возникающий при анализе возможных последствий создания и функционирования систем искусственного интеллекта, — что решит система ИИ в ситуации, когда спасение одной жизни возможно только за счет другой? Особенно интересны те случаи, когда система не имеет полной информации о том, кто есть кто.

Несмотря на перечисленные проблемы, три Закона Роботехники1вляются хорошим неформальным базисом проверки надежности системы безопасности для систем ИИ:

– робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред;- робот должен повиноваться всем приказам, которые ему дает человек, кроме тех случаев, когда эти приказы противоречат Первому Закону;- робот должен заботиться о своей безопасности в той мере, в какой это не противоречит Первому и Второму Закону.

И теперь осталась еще одна тема: стоит ли вообще создавать ИИ, не лучше ли закрыть все работы в этой области? Единственное, что можно сказать по этому поводу: если ИИ в принципе возможен — рано или поздно он будет создан. И лучше двигаться к цели под контролем общественности, с тщательной проработкой вопросов безопасности, нежели все пускать на самотек.

Иначе лет через сто (если к тому времени человечество себя не уничтожит) ИИ создаст какой-нибудь программист-механик-самоучка, использующий достижения современной ему техники. С другой стороны, с проектированием систем ИИ сложилась ситуация, которая роднит его с коммунизмом — изучается то, чего еще нет.

И если этого не будет в течение ближайших 100–150 лет, то очень может быть, что эпоха ИИ закончится сама собой.

Моделирование систем ИИ

Исторически сложились три основных направления в моделировании ИИ.
В рамках первого подхода изучаются прежде всего структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления.

Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез о механизмах интеллектуальной деятельности, совершенствование моделей и т. д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. А цель работ — создание алгоритмического и программного обеспечения вычислительных машин, позволяющих решать интеллектуальные задачи не хуже человека.

Совет

Наконец, третий подход ориентирован на создание смешанных человеко-машинных (интерактивных) интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

В 1957 году американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перцептрон. Машина, способная обучаться понятиям и распознавать предъявляемые объекты, чрезвычайно заинтересовала не только физиологов, но и представителей других областей знаний и породила большой поток теоретических и экспериментальных исследований.

Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания.

В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий.

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

Нейронные сети

В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях (НС).

Актуальность исследований в этом направлении подтверждается массой различных применений НС: автоматизация процессов распознавания образов и адаптивное управление, аппроксимация функционалов и прогнозирование, создание экспертных систем и организация ассоциативной памяти и многое, многое другое. С помощью НС можно, например, предсказывать показатели биржевого рынка, распознавать оптические или звуковые сигналы, строить самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. На Западе нейронные сети применяются уже довольно широко, у нас же это пока еще экзотика — российские фирмы, использующие НС в практических целях, наперечет [6].

Широкий круг задач, решаемый НС, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные НС, функционирующие по различным алгоритмам.

Обратите внимание

Модели НС могут быть программными и аппаратными. Несмотря на существенные различия, отдельные типы НС обладают несколькими общими чертами.

Во-первых, основу каждой нейронной сети составляют относительно простые, в большинстве случаев — однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Под нейроном здесь подразумевается искусственный нейрон, то есть ячейка НС.

Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены.

Он имеет группу синапсов — однонаправленных входных связей, соединенных с выходами других нейронов, а также аксон — выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рис. 1.

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

В качестве примера простейшей НС приведем схему трехнейронного перцептрона (рис. 2). Нейроны данной сети имеют активационную функцию в виде единичного скачка2 На n входов поступают некие сигналы, проходящие по синапсам на три нейрона, которые образуют единственный слой этой НС и выдают три выходных сигнала.

Очевидно, что процесс функционирования НС, то есть сущность действий, которые она способна выполнять, зависит от величин синаптических связей, поэтому, задавшись определенной структурой НС, отвечающей какой-либо задаче, разработчик сети должен найти оптимальные значения всех переменных весовых коэффициентов (некоторые синаптические связи могут быть постоянными).

Этот этап называется обучением НС, и от того, насколько качественно он выполнен, зависит способность сети решать поставленные перед ней проблемы во время эксплуатации. На этапе обучения, кроме параметра качества подбора весов, важную роль играет время обучения. Как правило, эти два параметра связаны обратной зависимостью, и выбирая их, приходится идти на компромисс.

Важно

Обучение НС может вестись с учителем или без него. В первом случае сети предъявляются значения как входных, так и желательных выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса своих синаптических связей. Во втором случае выходы НС формируются самостоятельно, а веса изменяются по алгоритму, учитывающему только входные и производные от них сигналы.

Существует великое множество алгоритмов обучения, которые, однако, делятся на два больших класса: детерминистские и стохастические. В первом подстройка весов представляет собой жесткую последовательность действий, во втором — она производится на основе действий, подчиняющихся некоторому случайному процессу.

Робототехника как направление ИИ

В чем главное отличие интеллекта человека от интеллекта универсальных вычислительных машин? Чтобы ответить на этот вопрос, вспомним слова великого русского физиолога И. М.

Сеченова: «…все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению — мышечному движению».

Другими словами, вся интеллектуальная деятельность человека направлена в конечном счете на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат, прежде всего, для организации его целенаправленных движений.

В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер и обычно не связанных ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появились экземпляры с органами чувств, управлявшиеся универсальными компьютерами. К примеру, в 1969 году в Электротехнической лаборатории (Япония) началась разработка промышленного интеллектуального робота.

Цель ее — создание «очувствленного» манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем.

Совет

Робот Электротехнической лаборатории мог распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями, при специальном освещении. Стоимость экспериментального образца составляла примерно 400 тысяч долларов.

Постепенно роботы совершенствовались, но и по сей день они далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне лучших жонглеров. К примеру, удерживают на лезвии ножа шарик для настольного тенниса.

В киевском Институте кибернетики, где под руководством Н. М. Амосова (и ранее В. М. Глушкова, ныне покойного) ведется комплекс исследований, направленных на разработку элементов интеллекта роботов. Особое внимание в этих исследованиях уделяется проблемам распознавания изображений и речи, логического вывода (автоматического доказательства теорем) и управления с помощью нейроподобных сетей.

Экспертные системы на основе ИИ

Но пока теоретики спорят, практики не сидят сложа руки! Искусственный интеллект приобрел полезные рыночные свойства. Рынок нейросетей могуч; банкиры уважают своих технических аналитиков, а те без нейросети — ни шагу.

Где нейросеть — там и генетический алгоритм, где генетический алгоритм — там и искусственная жизнь, а дальше — «пришла виртa, отворяй воротa», как недавно выразился один юный поэт.

Девиз всей этой деятельности — четкая формула одного сурового персонажа братьев Стругацких: «Нам известно, что задача не имеет решения, — мы хотим знать, как ее решать!»

Экспертные системы (ЭС) — широчайшая и сложнейшая дисциплина. И чтобы не лезть в дебри, мы будем исходить из следующего определения: экспертная система — это программа (на современном уровне развития технологий), которая заменяет эксперта в той или иной области.

Отсюда вытекает простой вывод: все, что рассматривалось нами выше относительно систем с ИИ, своей конечной целью ставит разработку ЭС.ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области.

ЭС были первыми системами, которые привлекли внимание потенциальных потребителей продукции ИИ.

С ЭС связаны некоторые распространенные заблуждения.

Обратите внимание

Заблуждение первое: ЭС будет делать не более (а скорее даже менее) того, что может эксперт, создавший данную систему.

Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить в одной ЭС знания нескольких экспертов и получить систему, которая может то, на что не способен ни один из ее создателей.Заблуждение второе: ЭС никогда не заменят человека-эксперта. Уже заменяют, иначе зачем бы их создавали?

В заключение отметим важнейшие экспертные системы, использующие алгоритмы ИИ:

– MICIN — экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит диагноз, исходя из сообщенных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций.

База данных состоит из 450 правил;- PUFF — анализирует нарушения дыхания. Эта система представляет собой MICIN, из которой удалили данные по инфекциям и вложили данные о легочных заболеваниях;- DENDRAL — служит для распознавания химических структур. Старейшая, из экспертных систем.

Ее первые версии появились еще в 1965 году все в том же Стенфордском университете.

Пользователь вводит в систему некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та, в свою очередь, называет химическую структуру, удовлетворяющую этим условиям;

– PROSPECTOR — экспертная система, созданная для содействия поиску месторождений полезных ископаемых, разработка которых коммерчески выгодна.

Источник: http://alt-future.narod.ru/Ai/cterra1.htm

Ссылка на основную публикацию