Естественный и искусственный интеллект
Определение искусственного и естественного интеллекта. Главная суть создания искусственного интеллекта. Проблемы, с которыми столкнулись создатели на пути к искусственному интеллекту. Степень влияния естественного интеллекта на создание искусственного.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | реферат |
| Язык | русский |
| Дата добавления | 23.12.2013 |
| Размер файла | 28,0 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
ВВЕДЕНИЕ
Тема моего реферата «Естественный и искусственный интеллект». Я выбрала данную тему, потому что эта проблема актуальна в наше время. Большинство людей в той или иной степени тесно связаны с компьютером, но не многие задаются вопросом «Как он работает? На чем основана его работа?». Я хотела бы своим рефератом объяснить и рассказать, что такое естественный интеллект, чем он отличается от искусственного, и почему это так важно знать. Научная фантастика имеет обыкновение становиться научным фактом. В современных лабораториях искусственного интеллекта всерьез обсуждается нечто вроде Хэла - бортового компьютера из произведения Артура Кларка «2001: Космическая Одиссея», имевшего интеллект и способного принимать этические решения. Я не хочу сказать, что вероятность в точности такого развития компьютеров, как это описал Кларк, сколько-нибудь больше вероятности развития систем запуска в направлении, описанном Жюлем Верном за три четверти века до того, как ракета послала космическую капсулу на Луну. Но специалисты по компьютерам разрабатывают компьютерные системы, которые способны довольно близко имитировать элементы человеческого познания и обработки информации; так что вполне возможно, что к тому времени, когда мы будем стартовать с Земли, что-нибудь вроде Хэла у нас появится (Хэл - аббревиатура «Heuristically programmed algoritmic computer» - эвристически программированный алгоритмический компьютер). C другой стороны, многие всерьез сомневаются, что компьютер действительно когда-нибудь сможет перехитрить человека в важных областях. Нейропсихолог Джон Экклз в работе «The Understanding of the Brain» («Понимание мозга») пишет, что те, кто «... высокомерно заявляет о том, что компьютеры скоро перехитрят человека во всем... представляют собой современный вариант изготовителей идолов из некоторых суеверных эпох; подобно последним, они стремятся к власти посредством культивации идолопоклонства».
Цель моей работы - описать и разобраться в том, что же на самом деле представляет собой искусственный интеллект и можно ли сравнить его с естественным интеллектом.
Также необходимо решить поставленные задачи, которые можно сформулировать следующим образом:
дать определение искусственного и естественного интеллекта;
описать суть создания искусственного интеллекта;
выявить проблемы, с которыми столкнулись создатели на пути к искусственному интеллекту;
определить, можно ли создать гения с искусственным интеллектом;
установить, какие действия возможно совершать при помощи машины;
определить, как повлиял естественный интеллект на создание искусственного; выяснить, сможет ли робот когда-нибудь управлять человеком.
естественный искусственный интеллект
1. ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ
В первую очередь, мы начнем с определения искусственного интеллекта.
Искусственный интеллект (ИИ) - это раздел информатики, разрабатывающий моделирование отдельных функций творческой деятельности человека.
В последнее время интерес к искусственному интеллекту резко растет - вместе с требованиями к информационным системам. Умнеет программное обеспечение, умнеет бытовая техника. Мы неуклонно движемся к новой информационной революции, сравнимой по масштабам с развитием Интернета, название которой - искусственный интеллект.
Все уже наслышаны об электронных японских собаках, способных узнавать хозяина в лицо, выполнять некоторые команды и имеющих некоторую обучаемость. Кое у кого дома уже стоят холодильники с интеллектуальной системой управления и выходом в Интернет.
Здесь, наверное, уместно привести гипотезу о встречной эволюции человека и компьютера. Человек сначала учится видеть, ходить, разговаривать, а уже потом развивает способности к вычислениям и логическим выводам. Компьютер же, наоборот, появился как вычислительная система, базирующаяся на формальной логике, но в процессе развития приобретает способности к распознаванию образов, синтезу речи и т. п.
В чем суть задачи создания искусственного интеллекта? Сам термин «интеллект» происходит от латинского inteUectus - ум, рассудок, разум, мыслительные способности человека. То есть это способность мозга решать задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения и адаптации к разнообразным обстоятельствам.
Соответственно, искусственный интеллект (по-английски - Artificial Intellect, AI - общепринятая аббревиатура) - свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать решения на основе ранее полученного опыта и анализа внешних воздействий.
Заметим, что понятие «знания» подразумевает не только ту информацию, которая поступает в мозг через органы чувств. Такие знания важны, но недостаточны для интеллектуальной деятельности. Ведь объекты окружающей среды не только воздействуют на наши органы чувств, но и взаимодействуют друг с другом. И для воссоздания интеллектуальной деятельности в этой среде необходимо знать ее модель. Формирование этой модели происходит в процессе обучения на основе опыта и адаптации к различным обстоятельствам.
Тут необходимо вспомнить известный термин - «алгоритм», который в самом упрощенном виде можно расшифровать как «инструкция по эксплуатации». Вот, например, алгоритм попадания в квартиру: «Подходишь к двери, вставляешь ключ в замочную скважину, поворачиваешь, тянешь дверную ручку на себя, переступаешь порог».
Нахождение алгоритмов - естественная цель человека при решении им разнообразных задач. Порой это связано с тонкими и сложными рассуждениями, требующими изобретательности, высокой квалификации. Иными словами, участия интеллекта.
Если алгоритм решения задачи известен, сам процесс решения становится почти автоматическим, он под силу и вычислительной машине, и роботу - надо только выполнять действия, предусмотренные инструкцией-алгоритмом. Поэтому чаще всего задачи со стандартными методами решения исключают из класса интеллектуальных. Например, чисто вычислительные: их стандартные алгоритмы - последовательность элементарных операций - легко выразить в виде программы. С этой точки зрения написание, например, традиционных компьютерных программ - это не конструирование искусственного интеллекта. Здесь интеллектуальная часть выполняется человеком. На долю машины остается работа, не требующая участия мышления.
А вот в интеллектуальных задачах, таких, как распознавание образов, игра в шахматы, доказательство теорем, формальное разложение процесса решения на отдельные шаги часто затруднительно.
Уже говорилось, что характерные черты интеллекта, проявляющиеся в решении задач, - способность к обучению, обобщению, накоплению опыта и знаний, адаптации к меняющимся условиям. Благодаря интеллекту мозг может легко перестраиваться с одной задачи на другую, причем, и такую, для которой нет стандартных, заранее известных методов решения.
Исторически сложились три основных направления в моделировании искусственного интеллекта. Первое - то, где объектом исследований является структура и механизмы работы мозга человека, а конечная цель - раскрытие тайны мышления. Во втором случае объектом исследования выступает сам искусственный интеллект. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью является создание компьютерного программного обеспечения, позволяющего решать интеллектуальные задачи не хуже человека. Наконец, третий подход ориентирован на создание смешанных человеко-машинных, интерактивных систем. Одна из важнейших проблем в этих исследованиях - организация диалога между человеком и машиной.
2. ПРОИСХОЖДЕНИЕ И ПОНИМАНИЕ ИИ
Различные виды и степени интеллекта существуют у многих людей, животных и некоторых машин, интеллектуальных информационных систем и различных моделей экспертных систем с различными базами знаний. При этом, как видим, такое определение интеллекта не связано с пониманием интеллекта у человека - это разные вещи. Более того, эта наука моделирует человеческий интеллект, так как с одной стороны, можно изучить кое-что о том, как заставить машины решить проблемы, наблюдая других людей, а с другой стороны, большинство работ в ИИ касаются изучения проблем, которые требуется решать человечеству в промышленном и технологическом смысле. Поэтому ИИ-исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем. Именно в таком смысле термин ввел Джон Маккарти в 1956 году на конференции в Дартмутском университете, и до сих пор, несмотря на критику тех, кто считает, что интеллект - это только биологический феномен, в научной среде термин сохранил свой первоначальный смысл, несмотря на явные противоречия с точки зрения человеческого интеллекта. Как указывает председатель Петербургского отделения российской ассоциации искусственного интеллекта Т. А. Гаврилова, в английском языке словосочетание artificial intelligence не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть английский аналог intellect. Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект - способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи».
3. ПОСТИЧЬ РАЗУМ РАЗУМОМ
С конца 40-х годов минувшего столетия ученые во всем мире устремились к дерзкой цели - построению компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума. Терпеливо продвигаясь вперед, исследователи в области искусственного интеллекта обнаружили, что столкнулись с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что, прежде всего, необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. Тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная часть проблемы - познание процессов функционирования человеческого разума, а не имитация его работы. Тут сложным оказалось даже точно определить предмет исследований - интеллект: как в притче о слепцах, пытавшихся описывать слона, каждый придерживался своего «заветного» определения. Некоторые считали, что интеллект - это прежде всего умение решать сложные задачи; другие напирали на обучаемость, обобщения и аналогии; третьи - на возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого. Многие исследователи искусственного интеллекта склонны принять формулу оценки машинного интеллекта, предложенную еще в начале 50-х английским математиком и специалистом по вычислительной технике Аланом Тьюрингом. Компьютер можно считать разумным, утверждал Тьюринг, если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком. Кстати, интересен план имитации мышления, предложенный Тьюрингом. «Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, - писал он, - не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека... Наш расчет состоит в том, что устройство, подобное интеллекту ребенка, может быть легко запрограммировано... Таким образом, мы расчленим проблему на две части - на задачу построения «программы ребенка» и задачу «воспитания» этой программы». Можно сказать, что именно по этому пути идут практически все разработчики систем искусственного интеллекта.
4. ПОДХОДЫ И НАПРАВЛЕНИЯ
Единого ответа на вопрос чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки. В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла - Саймона. Поэтому, несмотря на наличие множества подходов, как к пониманию задач ИИ, так и созданию интеллектуальных информационных систем можно выделить два основных подхода к разработке ИИ: нисходящий (англ. Top-Down AI), семиотический - создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д. ; восходящий (англ. Bottom-Up AI), биологический - изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
Последний подход, строго говоря, не относится к науке о ИИ в смысле, данном Джоном Маккарти - их объединяет только общая конечная цель.
5. ТЕСТ ТЬЮРИНГА И ИНТУИТИВНЫЙ ПОДХОД
Эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence), опубликованной в 1950 году в философском журнале «Mind». Целью данного теста является определение возможности искусственного мышления, близкого к человеческому. Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы - ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга.
Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке). Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить. Так, хозяин Эндрю Мартина из «Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из Звёздного пути, будучи способным к коммуникации и научению, мечтает обрести эмоции и интуицию.
Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Про такую систему можно сказать, что у неё есть чувства («боль» - реакция на срабатывание датчика удара, «голод» - реакция на низкий заряд аккумулятора, и т. п.). А кластеры, создаваемые картами Кохонена, и многие другие продукты «интеллектуальных» систем можно рассматривать как вид творчества.
6. СИМВОЛЬНЫЙ ПОДХОД
Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп, первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами. От умения выделить только существенную информацию зависит эффективность и результативность решения задачи. Но широта классов задач, эффективно решаемых человеческим разумом, требует невероятной гибкости в методах абстрагирования. А это недоступно при любом инженерном подходе, в котором исследователь выбирает методы решения, основываясь на способность быстро дать эффективное решение какой-то наиболее близкой этому исследователю задачи. То есть уже за реализованную в виде правил единственную модель абстрагирования и конструирования сущностей. Это выливается в значительные затраты ресурсов для непрофильных задач, то есть система от интеллекта возвращается к грубой силе на большинстве задач и сама суть интеллекта исчезает из проекта. Основное применение символьной логики - это решение задач по выработке правил. Большинство исследований останавливается как раз на невозможности хотя бы обозначить новые возникшие трудности средствами выбранных на предыдущих этапах символьных системах. Тем более решить их и тем более обучить компьютер решать их или хотя бы идентифицировать и выходить из таких ситуаций.
7. ЛОГИЧЕСКИЙ ПОДХОД
Логический подход к созданию систем искусственного интеллекта направлен на создание экспертных систем с логическими моделями баз знаний с использованием языка предикатов. Учебной моделью систем искусственного интеллекта в 1980-х годах был принят язык и система логического программирования Пролог. Базы знаний, записанные на языке Пролог, представляют наборы фактов и правил логического вывода, записанных на языке логических предикатов. Логическая модель баз знаний позволяет записывать не только конкретные сведения и данные в форме фактов на языке Пролог, но и обобщенные сведения с помощью правил и процедур логического вывода и в том числе логических правил определения понятий, выражающих определённые знания как конкретные и обобщенные сведения. В целом исследования проблем искусственного интеллекта в рамках логического подхода к проектированию баз знаний и экспертных систем направлено на создание, развитие и эксплуатацию интеллектуальных информационных систем, включая вопросы обучения студентов и школьников, а также подготовки пользователей и разработчиков таких интеллектуальных информационных систем.
8. АГЕНТНО-ОРИЕНТИРОВАННЫЙ ПОДХОД
Последний подход, развиваемый с начала 1990-х годов называется агентно-ориентированным подходом, или подходом, основанным на использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект - это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков, и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов. Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно сильнее изучаются алгоритмы поиска пути и принятия решений.
9. ГИБРИДНЫЙ ПОДХОД
Гибридный подход предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности. 10. 0 И 1.
Еще в 1943 году нейрофизиолог Уоррен Маккаллох, обладавший, философским складом ума и широким кругом интересов, в соавторстве с 18-летним математиком Уолтером Питтсом разработал теорию деятельности головного мозга. Эта теория и стала основой, на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны. Исходя из исследований нейронов (основных активных клеток, составляющих нервную систему живых существ), Маккаллох и Питтс выдвинули гипотезу: нейроны можно рассматривать как устройства, оперирующие двоичными числами. Двоичные числа, состоящие из единиц и нолей, - рабочий инструмент так называемой Булевой логики. Сто с лишним лет назад английский математик Джордж Буль показал, что логические утверждения можно закодировать в виде единиц и нолей, где единица соответствует истинному высказыванию, а ноль - ложному, после чего ими можно оперировать как обычными числами. Позднее пионеры информатики поняли, что единица и ноль вполне соответствуют двум состояниям электрической цепи (включено/ выключено), поэтому двоичная система идеально подходит для электронных вычислительных устройств. Маккаллох и Питтс предложили конструкцию сети из электронных нейронов, которая могла бы выполнять практически любые числовые или логические операции. А далее предположили, что такая сеть в состоянии обучаться, распознавать образы, обобщать, то есть обладает всеми чертами интеллекта. Теории Маккаллоха-Питтса в сочетании с книгами Винера вызвали огромный интерес. В 40-60-е годы Кибернетики запирались в лабораториях и мастерских, напряженно работая над теорией функционирования мозга и методично паяя электронные компоненты моделей нейронов. Из этого кибернетического (или нейро-модельного) подхода к машинному разуму сформировался так называемый восходящий метод - движение от простых аналогов нервной системы примитивных существ к нервной системе человека. Конечная цель виделась в создании самоорганизующейся системы, обучающейся машины - устройств, способных следить за окружающей обстановкой и с помощью обратной связи менять свое поведение, вести себя, как живой организм. Однако такое движение не всегда целесообразно и возможно. Как заметил сам Уоррен Маккаллох. И дело не только во времени, но и в чисто физических ограничениях. Ведь даже модель нервной системы муравья состоит из 20 тысяч нейронов, а у человека их около 100 миллиардов. Фрэнка Розенблата все эти трудности, однако, не пугали. В конце 50-х он предложил модель электронного устройства - персептрона, который должен был бы имитировать процессы человеческого мышления. Персептрон передавал сигналы от «глаза» из фотоэлементов в блоки электромеханических ячеек памяти, которые оценивали относительную величину электрических сигналов. Два года спустя была продемонстрирована первая действующая машина Марк 1, которая могла научиться распознавать некоторые буквы, написанные на карточках, поднесенных к «глазам». Персептрон Розенблата оказался высшим достижением восходящего метода создания искусственного интеллекта. Чтобы научить персептрон строить догадки на основе исходных предпосылок, в нем предусматривалась некое элементарное самопрограммирование. Но недолго музыка играла: почву у сторонников восходящего метода выбили два профессора все того же Массачусетского Технологического Института - Минский и Пейперт, поначалу бывшие активными его приверженцами. В 1969 году они написали книгу, доказывая математически, что персептроны принципиально не в состоянии выполнять многие из обещанных функций: не то что читать, слушать и понимать полученную информацию - они никогда не смогут распознавать предмет, частично заслоненный другим. То есть, глядя на торчащий из-за кресла кошачий хвост, такая машина никогда не догадается, кому он принадлежит. Правительство США финансировать это направление перестало. Правда, затем Минский опять «перековался» и вернулся в стан «восходящих». И даже покаялся: теперь он считал, что для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на разгромленный им персептрон. Суммируя, можно привести слова члена Совета Российской ассоциации искусственного интеллекта В. Б. Тарасова о том, что на первом этапе - в 60-90-е годы - главной была «инженерия знаний»: интеллектуальные системы понимались как системы, основанные на знаниях. Иначе говоря, основное внимание уделялось вопросам работы с информацией - извлечению знаний, их обработке, классификации представлению и т. д. На этой основе появляется возможность создания различных «решателей» задач. Самыми первыми интеллектуальными задачами, которые стали решать при помощи электронных вычислительных машин, были логические игры (шашки, шахматы), доказательство теорем. Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяла ей играть в шашки, причем в ходе игры машина обучалась (или создавала впечатление, что обучается), улучшая свои навыки на основе накопленного опыта. В 1962 году эта программа сразилась с Р. Нили, сильнейшим шашистом в США, и победила. Ярким примером сложной интеллектуальной игры до недавнего времени были шахматы. Еще в 1974 году состоялся международный шахматный турнир программ для электронных вычислительных машин. Победу в нем одержала советская программа «Каисса». Почему «до недавнего времени»? События показали, что, несмотря на сложность шахмат и невозможность полного перебора ходов, само увеличение этого перебора резко увеличивает и шансы на победу. К примеру, компьютер IBM, победивший Каспарова, имел 256 процессоров, каждый - с 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс просчитывал более 100 миллионов ходов в секунду. Именно шахматных ходов, которые должны быть сгенерированы и для которых просчитаны оценочные функции. Сейчас одной из наиболее интересных интеллектуальных задач, имеющих огромное прикладное значение, является обучение распознаванию образов и ситуаций. Это сулит широкое практическое использование - читающие автоматы, системы, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации. Проблема обучения распознаванию тесно связана с другой - проблемой перевода с языка на язык, а также обучения машины языку. Обработав и классифицировав основные грамматические правила и приемы пользования словарем, можно создать вполне удовлетворительный алгоритм для перевода, скажем, научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-х годов. Однако чтобы связно перевести большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Что же до моделирования логического мышления, хорошей задачей здесь может служить автоматизация доказательства теорем. Большой интерес представляла интеллектуальная программа американского математика Хао Ванга. С этой программой машина IBM-704 всего за три минуты вывела 220 относительно простых лемм и теорем, а затем за восемь с половиной минут выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена живыми математиками. В начале 70-х появились логические экспертные системы, основанные на логических моделях «Если А, то В... « и знаниях, предоставляемых экспертами в той или иной области. В программу закладывали информацию, полученную путем детального опроса экспертов в той или иной области (например, на основании каких признаков врач ставит свой диагноз). Такая система могла не только быстро и эффективно сделать вывод, но и объяснить свои действия, поэтому считалась вполне интеллектуальной. Начался бум экспертных систем. Практически во всех областях человеческих знаний были созданы такие системы - и практически везде они оказались недостаточно эффективны. Реальная жизнь оказалась сложнее инструкций, хороший специалист принимает решение чисто интуитивно. К началу 80-х появились системы нечеткой логики. В отличие от традиционных систем, основанных на двоичных множествах («да»-»нет», «истинно»-»ложно»), системы нечеткой логики оперируют бесконечным множеством значений (часто, редко, близко, далеко...) и представляют собой систему приближенных вычислений. Современный вычислительный интеллект, основанный на «нечеткой» логике, оказался лучше приспособлен к жизни: он успешно адаптируется к изменениям внешней среды, меняя свою логику в зависимости от изменения целей системы. Подобные системы дешевы: «нечеткий» чип стоит сегодня порядка 5 долларов. А в результате стиральная машина сама, определив состав ткани заложенного в барабан белья, выбирает режим стирки, а утюг - оптимальную температуру глажения. В 90-е годы для самообучения интеллектуальных систем была создана мощная вычислительная система поиска оптимальных решений - генетический алгоритм. Используя эволюционные модели: естественный отбор, закрепление лучших наследственных признаков, а также метод проб и ошибок - интеллектуальные системы из множества возможных решений задачи находят наилучшее. Интеллектуальные системы последнего поколения представляют собой вычислительный интеллект и используют гибридный подход, при котором в разных частях системы работают разные вычислительные модели, которые активно взаимодействуют между собой.
10. СОВРЕМЕННЫЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
В настоящий момент в создании искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих хоть какое-то отношение к ИИ. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Некоторые из самых известных ИИ-систем:
Deep Blue - победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым (подробнее см. Человек против компьютера). Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain. MYCIN - одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора. 20Q - проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал очень популярен после появления в Интернете на сайте 20q. net. Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей. Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме футбола.
Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика) при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской д и т. д.
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
1. Андрейчиков А. В., Андрейчикова О. Н. Интеллектуальные информационные системы М. : Финансы и статистика, 2003. (учебник для студентов, обучающихся по информационным специальностям).
2. Сафонов В. О. Экспертные системы - интеллектуальные помощники специалистов; О-во «Знание», Санкт-Петербург- СПб, 1992. 31с.
3. Гаврилова Т. А. Базы знаний интеллектуальных систем: Учебное пособие для стд. Вузов - СПб. : Питер, 2000 - 328 с.
4. Гаврилов М. В. Информатика и информационные технологии: Учебник для студентов вузов / М. В. Гаврилов. - М. : Гардарики, 2006. - 655 с. : ил.
Размещено на Allbest.ru
...Подобные документы
Сущность и проблемы определения искусственного интеллекта, его основных задач и функций. Философские проблемы создания искусственного интеллекта и обеспечения безопасности человека при работе с роботом. Выбор пути создания искусственного интеллекта.
контрольная работа [27,9 K], добавлен 07.12.2009Искусственный интеллект – научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. Черты искусственного интеллекта Развитие искусственного интеллекта, перспективные направления в его исследовании и моделировании.
реферат [70,7 K], добавлен 18.11.2010Характеристика сущности искусственного интеллекта. Проблема создания искусственного интеллекта. Базовые положения, методики и подходы построения систем ИИ (логический, структурный, эволюционный, имитационный). Проблемы создания и реализация систем ИИ.
реферат [43,1 K], добавлен 19.07.2010Понятие искусственного интеллекта как свойства автоматических систем брать на себя отдельные функции интеллекта человека. Экспертные системы в области медицины. Различные подходы к построению систем искусственного интеллекта. Создание нейронных сетей.
презентация [3,0 M], добавлен 28.05.2015Современные разработки в области искусственного интеллекта: составление расписаний, принципы автономного планирования и управления, диагностика, понимание естественного языка, ведение игр, автономное управление, робототехника. Направления исследований.
реферат [24,0 K], добавлен 11.03.2014Феномен мышления. Создание искусственного интеллекта. Механический, электронный, кибернетический, нейронный подход. Появление перцептрона. Искусственный интеллект представляет пример интеграции многих научных областей.
реферат [27,2 K], добавлен 20.05.2003История развития искусственного интеллекта в странах дальнего зарубежья, в России и в Республике Казахстан. Разработка проекта эффективного внедрения и адаптации искусственного интеллекта в человеческом социуме. Интеграция искусственного в естественное.
научная работа [255,5 K], добавлен 23.12.2014Сущность искусственного интеллекта, сферы человеческой деятельности, в которых он распространен. История и этапы развития данного явления. Первые идеи и их воплощение. Законы робототехники. Использование искусственного интеллекта в коммерческих целях.
реферат [40,8 K], добавлен 17.08.2015История создания и основные направления в моделировании искусственного интеллекта. Проблемы обучения зрительному восприятию и распознаванию. Разработка элементов интеллекта роботов. Исследования в области нейронных сетей. Принцип обратной связи Винера.
реферат [45,1 K], добавлен 20.11.2009Может ли искусственный интеллект на данном уровне развития техники и технологий превзойти интеллект человека. Может ли человек при контакте распознать искусственный интеллект. Основные возможности практического применения искусственного интеллекта.
презентация [511,2 K], добавлен 04.03.2013Эволюция систем искусственного интеллекта. Направления развития систем искусственного интеллекта. Представление знаний - основная проблема систем искусственного интеллекта. Что такое функция принадлежности и где она используется?
реферат [49,0 K], добавлен 19.05.2006Начало современного этапа развития систем искусственного интеллекта. Особенности взаимодействия с компьютером. Цель когнитивного моделирования. Перспективы основных направлений современного развития нейрокомпьютерных технологий, моделирование интеллекта.
реферат [24,7 K], добавлен 05.01.2010Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.
курсовая работа [41,3 K], добавлен 29.08.2013Понятие и суть нечеткой логики и генетических алгоритмов. Характеристика программных пакетов для работы с системами искусственного интеллекта в среде Matlab R2009b. Реализация аппроксимации функции с применением аппарата нечеткого логического вывода.
курсовая работа [2,3 M], добавлен 23.06.2012Исторический обзор развития работ в области искусственного интеллекта. Создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. От логических игр до медицинской диагностики.
реферат [29,1 K], добавлен 26.10.2009Понятие искусственного интеллекта в робототехнике и мехатронике. Структура и функции интеллектуальной системы управления. Классификация и типы знаний, представление их с помощью логики предикатов. Суть семантических сетей, фреймовое представление знаний.
курс лекций [1,1 M], добавлен 14.01.2011Агентно-ориентированный подход к исследованию искусственного интеллекта. Моделирование рассуждений, обработка естественного языка, машинное обучение, робототехника, распознание речи. Современный искусственный интеллект. Проведение теста Тьюринга.
контрольная работа [123,6 K], добавлен 10.03.2015Принципы построения и программирования игр. Основы 2-3D графики. Особенности динамического изображения и искусственного интеллекта, их использование для создания игровых программ. Разработка логических игр "Бильярд", "Карточная игра - 50", "Морской бой".
отчет по практике [2,3 M], добавлен 21.05.2013Составление программы искусственного интеллекта в среде программирования Delphi 7, осуществляющую игру "крестики-нолики" с пользователем. Данная программа имеет возможность запоминания ходов и на основе них ходить так, чтобы не оказаться в проигрыше.
контрольная работа [787,7 K], добавлен 16.01.2011История развития искусственного интеллекта. Экспертные системы: их типы, назначение и особенности, знания и их представление. Структура идеальной и инструменты построения экспертных систем. Управление системой продукции. Семантические сети и фреймы.
реферат [85,7 K], добавлен 20.12.2011
