Искусственный интеллект Печать

Вернуться к оглавлению

Искусственный интеллект это научное направление по разработке и построению специализированных устройств и программ для вычислительных машин, обеспечивающих обработку смысловой информации.
AI

Если различным задачам попытаться дать самое общее определение, а точнее, найти самую общую для них характеристику, она будет очень проста: поиск пути от условия к результату.

От условия к результату идут, когда решают простую задачу о двух пешеходах, двигающихся навстречу друг другу из пункта А в пункт Б. От условия к результату идут, когда принимают решение, куда пойти учиться. От условия к результату идут и когда решают сложные задачи космической навигации, и когда составляют долговременный прогноз погоды, и когда решают многие-многие другие из того же ряда сверх трудных и сверх трудоемких задач.

Что делает человек, чтобы решить какую-либо задачу? Обращается к своему опыту, знаниям, воображению и т. д. и т. п., сразу отбрасывая каким-то ему свойственным способом не нужные в данном случае варианты.

Возьмем пример, признанный классическим,- игру в шахматы. Здесь путь от условия к результату определяется числом возможных на доске позиций. Оно огромно - 10120. Однако опытный шахматист обходится неизмеримо меньшим числом выбора, рассматривает приблизительно 100 позиций, от них зависит результат - либо выигрыш, либо проигрыш.

А что делает машина, чтобы решить предложенную ей задачу? Она с немыслимой скоростью начинает' просчитывать вариант за вариантом, основываясь на написанной программе, что делать и как делать. И хотя такая неэкономная работа искупается высоким быстродействием и машина справляется с задачами, перед которой пасует мозг человека из-за невозможности оперировать гигантским числом «шагов» при вычислениях, ученым не дает покоя мысль, как научить компьютер решать задачу самому, выбирая, что делать и как делать.

Направление исследований, стремящимся научить компьютер, работать разумно, получило название искусственного интеллекта (ИИ). Хотя, по мнению самих ученых, оно излишне эмоционально и, безусловно, метафорично. Оно отнюдь не предлагает сравнения естественного интеллекта с искусственным. Системы искусственного интеллекта называются так по другой причине. Они призваны достигать результатов, которые получил бы человек, если бы выполнял интеллектуальную работу.

Обычные программы составлены так, что ей остается только быстро выполнять вычисления и логические преобразования. Машина не задумывается над смыслом, скрытым в командах программы. Да смысл-то этот машину и не интересует. Ведь осмысленность полученного ею результата обеспечивается знаниями, которые вложил программист при написании программы. Для программиста было ясно, какой информацией загрузить машину, для какой цели служит программа и каков метод достижения результата.

Электронная машина, работая по обычной программе, оперирует, как мы уже знаем, абстрактными символами, которые могут обозначать что угодно, и логическими операциями, которые могут связывать что угодно.

Не просто научить машину освободится от такой жесткости, «замкнутости». Ведь чтобы работать, зная и что делать, и как делать, надо понимать смысл, или, как говорят профессионалы, обеспечивать обработку смысловой информации. Для этого памяти машин недостаточно только разных данных, а нужны и знания.

Правда. машинные знания во многом отличаются от знаний человека -, с их запасом, способностью к изменению, динамике, с их творческими возможностями к безграничности познания.

В системах искусственного интеллекта оперируют как бы процеженными знаниями автономными, ограниченными, статичными.

Данные, записанные в ячейках памяти, нерасчленимые: при выделении отдельных разрядов ячейки они не соотносятся с чем-либо, что бы определяло их структуру. Знания же несут в себе и структуру. Они состоят как бы из отдельных единиц знаний, связанных между собой самыми разнообразными по смыслу связями. Например, родовидовые связи характерны для знаний о животных: «орел - птица», «собака - млеко питающее». Есть связи типа часть - целое. Они соединяют по смыслу - предположим, «отдел» и «предприятие».

Бывают и ситуативные связи, учитывающие взаимодействие между единицами знаний, их взаимным влиянием.

Знания подобного типа, то есть содержащие информацию, имеющую смысловые понятия, отношения между ними, образы поведения, называют прикладными. Только их недостаточно для осуществления работы по программе искусственного интеллекта. В ней нужно представить еще несколько видов знаний. Так, процедурные знания - об умениях системы - включают способы доказательств, модели типовых решений, стандартные способы преобразования информации и т. д.

Проблемные знания, например, говорят о внешней среде: представляют модели различных ситуаций в ней, учитывают и возможные реакции среды на какие-либо воздействия.

Интеллектуальную систему к тому же необходимо снабдить знаниями о ней самой. Это системные знания, описывающие модель системы, ее ресурсы, принципы взаимодействия в ней, алгоритмы управления и контроля, другие подобные характеристики.

И наконец, знания, позволяющие пользователю работать по программе искусственного интеллекта, без которых просто невозможно общение человека и машины. Их называют интерфейсными, или просто интерфейсом. Он берет на себя преобразование естественного языка в машинный.

На основании всех этих знаний специалисты по искусственному интеллекту строят модели решения задач. Наиболее широкое распространение получила модель «текст - смысл - действительность», где в названии перечислены этапы, шаги работы с задачей. Такие модели очень сложны, описывать их невероятно трудно, понять неспециалисту - еще труднее.

К наиболее перспективным в области искусственного интеллекта относятся модели, основанные на системно-структурном описании объектов и понятий. Их называют фреймами. В буквальном переводе с английского это означает рамка, скелет, сфера какого-то события, понятия, явления, состояния и т. д.

Иными словами, фрейм представляет собой формальный, структурный шаблон, некую символическую «заготовку», соответствующую чему-либо, например какому-то объекту, ситуации и т. д.

Возьмем определенный фрейм - «день». Он содержит такие вопросы: какого года? какого месяца? какого числа? какого дня недели? Каждый вопрос - это незаполненная позиция сложного фрейма, слот. Когда каждый слот насыщается конкретными данными, из них складывается так называемый экземпляр фрейма. В нем заключено конкретное знание о действительности, он ее носитель. Конечно, чем больше слотов имеет фрейм, тем более системным, разнообразным и разносторонним будет описываемый им объект.

А вот другой фрейм, относящийся к действию,- «мероприятие». Для этого фрейма характерными будут другие слоты: что делать? что это дает? зачем это делать? (с какой целью), каковы затраты? каковы альтернативы достижения цели? кто, когда, где (делает)? и другие из этого ряда вопросов.

Как обычно человек решает задачу управления - например, диспетчерского? Командами, заключенными в фразах родного языка, содержащих смысл и отражающих действительность. Выходит, здесь тоже нужна модель «текст - смысл – действительность». Значит, и для компьютера нужно кодировать содержательные, смысловые характеристики конкретного объекта управления.

Далее диспетчер, несмотря на гигантское число возможных ситуаций, принимает ограниченное количество решений. Допустим, при регулировании транспортного потока на простом перекрестке теоретически может возникнуть астрономическое число конкретных ситуаций, а принимается всего два решения: первое - закрыть проезд в прямом направлении и открыть в перпендикулярном; второе - наоборот.

Поэтому для решения подобных задач требуется обобщение ситуации по их структурам, а затем соотнесение их к тому или иному классу, которому соответствует свое решение.

Метод ситуационного управления учитывает и еще один человеческий аспект в подходе к проблеме - умение обращаться с нечеткими, расплывчатыми понятиями для принятия решений.

Люди справляются с задачами, принимают решения, несмотря на то что в условиях могут быть такие формулировки: довольно далеко, очень хорошо, еще не поздно, не хуже других, почти готово и т. д.

Эту расплывчатость понятий можно себе и представить. Взять, допустим, серию картинок, где изображение льва постепенно переходит в изображение человека. Мы не можем сразу сказать: здесь пролегает граница, разделяющая изображения «лев» и «человек». Наоборот, образуется довольно широкая неопределенная область, в которой по каким либо признакам, с субъективной степенью достоверности изображения относят либо ко «льву», либо к «человеку».

Казалось бы, сделав вывод из сказанного, что машина, действующие по программам искусственного интеллекта, интенсифицируют свою работу, еще больше усиливают свои большие вычислительные возможности, позволяют лучше их эксплуатировать, следовало бы, как говорится, поставить точку. Однако это не так: очень важной составляющей проблемы искусственный интеллект мы даже не касались.

Для машины недостаточно переписать знания на носитель памяти, взяв их из справочников, энциклопедий, разного рода таблиц, графиков и т. д. Чем сложнее задача, тем знания для машины отбираются строже. Их просеивают через тончайшее интеллектуальное сито - обязательно выслушивается мнение по данному вопросу специалистов самой высокой квалификации, мнение экспертов. На энциклопедических знаниях экспертов, тщательно проанализированных и обработанных, строятся программы-эксперты, или экспертные системы.

Экспертная система тоже использует правила для своих действий, но не жестких, типа «да - нет», а гибких - типа «если - то». Именно это «если - то», иными словами - причинно-следственная связь, позволяет искусственному интеллекту осмысливать, что делать и как делать.

Причем, как говорят специалисты по экспертным системам, каждое правило, используемое экспертной системой, само по себе простое. Однако всему своду правил как единому целому под силу очень сложные задачи, например диагностические.

Так, одна из экспертных систем диагностировала бактериальные инфекции в крови. Ей нужно было определить, какой из возможных микроорганизмов вызвал заболевание и какой метод лучше всего применить для лечения. По ходу работы система запрашивала у пользователя дополнительные сведения о пациенте и проявила себя квалифицированным диагностом.

Другая экспертная система ставит диагнозы в совершенно иной области: устанавливает структуру органических молекул, основываясь на данных спектрального анализа, ядерного магнитного резонанса и других видов информации.

Исследователи, занимающиеся искусственным интеллектом, и в частности экспертными системами, не без основания считают, что работают на одном из интереснейших и перспективных научных направлений.

И хотя проблем здесь очень много, но и много возможностей для поиска. Например, очень заманчивой для реализации в системах искусственного интеллекта представляется идея с помощью программы-эксперта научить машины не только эффективно использовать знания, заложенные в память, но и получать новую информацию. Первые такие экспертные системы уже опробованы и дали неплохие результаты.

А японские ученые решили идти дальше. Они намерены создать машину, обладающую воображением и способностью самостоятельно учиться. Для начала эксперимента решили соединить в цепочку четыре специально изготовленных компьютера. Затем к ним подсоединят еще компьютеры, доведя всю структуру до 128 особых вычислительных машин, которые при званы научиться подражать работе мозга.

Такая компьютерная цепочка должна обрести способность обрабатывать информацию параллельно и перекрестно, что увеличит быстродействие в тысячу раз по сравнению с нынешними компьютерами и, главное, позволит системе самостоятельно оценивать информацию и принимать решения. Чтобы создать такой думающий компьютер, потребуется время.

Исходя из накопленного опыта, полагают, что создание более разумных, нежели сейчас, интеллектуальных систем в большой мере зависит от того, найдут ли для использования в машине аналог человеческой способности к пониманию и рассуждению.

В искусственном интеллекте подобные подходы только-только начинают осваивать. На таком принципе, например, работает программа, способная улавливать аналогии между геометрическими фигурами.

Казалось бы, достигнутые успехи в области искусственного интеллекта позволяют надеяться на дальнейшее развитие этого направления, с тем чтобы в конце концов прийти к реализации идеи искусственного интеллекта в буквальном смысле слова. Однако даже среди специалистов здесь нет единого мнения.


Вернуться к оглавлению