21202

Общая характеристика проблемы создания систем искусственного интеллекта

Лекция

Информатика, кибернетика и программирование

Для решения трудно формализуемых и неформализуемых задач в разных областях человеческой деятельности и создаются системы искусственного интеллекта СИИ . В настоящее время у создателей СИИ нет единого мнения по определению понятия интеллекта. Таким образом определить понятие СИИ так чтобы оно удовлетворяло всех довольно трудно. Разнообразие существующих определений пока не позволило создать единое стратегическое направление исследований в области СИИ.

Русский

2013-08-02

90 KB

3 чел.

PAGE  5

Лекция №1

1.1. Общая характеристика проблемы создания
систем искусственного интеллекта

Объемы информации и сложность ее обработки в настоящее время резко возрастают во всех сферах человеческой деятельности. Знания человечества удваиваются сегодня примерно каждые 5 лет, хотя в начале XIX века этот период составлял 50 лет. Объем накопленной человечеством информации к настоящему времени составляет более 1014 бит. Мозг человека способен воспринимать информацию со скоростью примерно 0,1-1 бит/с., между тем, как поток новой информации обрушивается сегодня на человека со скоростью, лежащей в пределах 3-20 бит/с.

Проблема анализа, представления, организации, хранения и оперативной обработки больших объемов информации (получившая название "информационного взрыва") решается путем создания информационных компьютерных систем, основанных на использовании научных достижений кибернетики, которая исследует общие свойства сложных систем любой природы. Ключевой проблемой кибернетики является разработка и создание систем оптимального управления сложными (промышленными, экономическими, социальными и др.) объектами. Становление и развитие традиционных (классических) систем оптимального управления объектами, которые могут быть описаны точной или приближенной математической моделью, связано с именами таких известных ученых, как Винер, Беллман, Ляпунов, Калман, Глушков и др.

Однако многие объекты, процессы и явления окружающего мира, связанные, в частности, с жизнедеятельностью человека и его поведением в экстремальных (форс-мажорных) ситуациях трудно поддаются математической формализации, т.е. в большинстве случаев они не могут быть описаны, например, в терминах алгебраических или дифференциальных уравнений с целью их дальнейшего решения на компьютере. Характерным примером трудно формализуемой области может служить медицина, где врачи имеют дело с самой разнообразной информацией о состоянии здоровья пациентов, результатах лабораторных анализов, историях болезней, изменениях в состоянии больных, диагностике заболеваний и существующих способах лечения. Врачу очень трудно справиться с таким огромным потоком информации, не забыть и учесть многочисленные знания и опыт при принятии решений. Из-за обилия информации и невозможности формального (математического) описания процессов протекания болезней своевременно не выявляются до 25% раковых и других заболеваний, приводящих к летальным исходам.

\\Для решения трудно формализуемых и неформализуемых задач в разных областях человеческой деятельности и создаются системы искусственного интеллекта (СИИ)\\. Термин "интеллект" ("intelligence") происходит от латинского "intellectus", означающего ум, рассудок, разум человека (Лекция №2). В настоящее время у создателей СИИ нет единого мнения по определению понятия интеллекта. Так, по Колмогорову, любая система, с которой можно достаточно долго обсуждать проблемы науки, литературы и искусства, обладает интеллектом. Другим примером трактовки интеллекта может служить известный тест Тьюринга, смысл которого заключается в следующем. В разных комнатах находятся люди и компьютер. 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 - компьютер, то можно считать, что он обладает интеллектом.

Термин "искусственный интеллект" (ИИ) ("аrtificial intelligence") (Лекция №3) был предложен в 1956 году на семинаре в Дартсмутском колледже (США). Как в каждой новой области, и здесь существуют разные точки зрения на главное предназначение этой науки. Некоторые ученые склоняются к тому, что основным направлением исследований в этой сфере является создание интеллектуальных искусственных устройств типа роботов. Другие делают упор на связях с теми областями, которые занимаются механизмом познания, т.е. изучением процессов обработки информации в мозгу человека. В работе Фейгенбаума, например, дается следующее определение: "ИИ — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы и т.д.".

Таким образом, определить понятие "СИИ" так, чтобы оно удовлетворяло всех, довольно трудно. Разнообразие существующих определений пока не позволило создать единое стратегическое направление исследований в области СИИ.

Тем не менее, большинство исследователей и специалистов трактуют СИИ как компьютерные системы, способные брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и анализа воздействий окружающей среды, обучаться на основе особой организации памяти, делать выводы на основе суждений и т.п. (Лекция №4) 

1.2. Ранние системы ("детство") искусственного интеллекта

Одними из первых СИИ на раннем этапе их развития были системы воспроизведения (имитации) творческих процессов, основными из которых являются следующие.

1) Игровые системы были одними из первых СИИ, создание которых связано с работами Ньюэлла, Саймона и Шоу. В качестве исследовательского полигона при решении интеллектуальных задач исследователи использовали всевозможные игры, головоломки, математические задачи. Такими игровыми задачами были "крестики-нолики", "морской бой", а также шашки, нарды, шахматы, в которых заранее известен алгоритм  поиска, перебора и выбора возможных альтернативных вариантов решения поставленной задачи.

В первых учебниках по СИИ (Хант, Эндрю) описаны программы решения простейших игровых интеллектуальных задач с использованием лабиринтной модели поиска решения. Эта модель представляет исследуемый объект в виде пространства состояний в форме графа, в котором проводится поиск оптимального пути от входных данных к результату. Лабиринтная модель основана на том положении, что всякое решение задачи человеком можно уподобить движению по лабиринту возможностей. Началом движения является некоторая площадка лабиринта, определяемая исходными условиями задачи. На каждом шаге движения к целевой площадке (т.е. к решению задачи) происходит выбор одного пути из множества возможных, т.е. осуществляется процедура поиска и локальной оценки альтернатив. Выбор осуществляется с помощью специальных локальных критериев успеха. Особенностью лабиринтного поиска является так называемый back tracking возврат из тупиков, когда процесс поиска заходит в тупик и необходимо вернуться в так называемую точку возврата, чтобы найти другой путь решения задачи.

Многие игровые задачи стали классическими (задачи об обезьяне и бананах, миссионерах и людоедах, Ханойской башне, игре в 15 и др.). Выбор таких задач обуславливался простотой и ясностью предметной области, ее относительно малой размерностью, возможностью достаточно легкого подбора и конструирования алгоритма решения задачи.

Лабиринтная модель имеет ограниченное применение в СИИ, поскольку задачи, в которых присутствует творческое начало, не являются лабиринтными или лабиринты имеют слишком большую размерность.

2) Системы распознавания образов создавались в рамках как нейробионического, так и кибернетического направлений развития ИИ (Лекция №3). В начале 60-х годов Розенблатт и Мак-Каллок создали персептрон (perceptron) - первую нейронную систему распознавания образов, которая представляла собой множество фотоэлементов, моделирующих сеть искусственных нейронов, соединенных между собой в соответствии с имеющейся моделью взаимодействия нейронных клеток человека.

В основу работы персептрона положена так называемая ассоциативная модель, которая моделирует систему ассоциативных связей человека, имеющих вероятностный характер. В процессе решения творческой задачи в нейронной сети образуются специфически возбужденные структуры, определяющие характер получаемых системой решений. Связи между нейронами устанавливаются в процессе обучения распознаванию входных ситуаций. Суть обучения состоит в том, что на вход распознающей системы подается серия положительных и отрицательных примеров, т.е. изображений, которые принадлежат данному образу и изображений, которые образу не принадлежат. При этом используются выборки изображения того или иного предмета, состоящие из пар «входная ситуация – выходной сигнал». Вклад каждой группы нейронов в общую "оценку" изображения можно регулировать путем использования системы весов, характеризующих вероятность активизации данной связи. На основе этой информации система должна сформировать признаки, с помощью которых удалось бы разделить положительные и отрицательные примеры. Если такие признаки найдены, то на их основе строится решающее правило, которое определяет класс изображений (образ), к которому относится данное изображение. Обученный персептрон способен распознавать поданные на его вход изображения и относить их к тому или иному классу.

В рамках метода распознавания образов впервые был разработан метод структурного описания изображений, при котором изображения заменяются набором признаков, связанных между собой определенными соотношениями.

3) Формально-логические системы были созданы в конце 60-х годов Робинсоном и его коллегами для машинного доказательства теорем. Используя методы формальной логики, они разработали формально-логические модели мышления для решения интеллектуальных задач и создали интеллектуальные программные системы "Логик-теоретик" и "Общий решатель задач", которые позволяли, в частности, автоматически доказывать школьные теоремы. В основу этих систем Эрбраном и Робинсоном был положен метод резолюций, использующий для доказательства теорем логику предикатов (Лекции №7 и №8). Подобные же задачи решал метод "обратного вывода", предложенный Ю.Масловым. На основе метода резолюций А. Кольмероэ создал язык логического программирования "Prolog" (Лекция №13). В кибернетических системах распознавания образов были использованы эвристические модели человеческого мышления, разработанные, в частности, Е.Александровым.

4) Системы машинного перевода использовали логические модели соотнесения словоформ одного языка со словоформами другого с учетом сведений из морфологии и синтаксиса этих языков. При разработке этих систем возникло новое научное направление – вычислительная лингвистика, а также методы автоматического морфологического и синтаксического анализа и синтеза языков. Впервые произошло разделение знаний на декларативную (словарь: лексика, морфология и частично – синтаксис) и процедурную (программную) части, которые могли изменяться независимо друг от друга.

5) Системы автоматического реферирования текстов решали задачи поиска информации в больших информационных хранилищах; определения соответствия найденного текста запросу пользователя, семантического оценивания содержания больших фрагментов текста и составления его реферата путем анализа связей сверхфразового единства.

При разработке этих систем возникло новое научное направление – машинная лингвистика текста, которая используется при создании современных средств общения человека с компьютером на основе естественно-языковых текстов. При этом возник новый способ поиска информации по образцу,  широко применяемый в базах знаний современных СИИ.

6) Системы сочинения текстов и музыки использовали процедуру синтеза текстов и систему правил (по аналогии с формированием реферата), порождающих структуру связного текста путем комбинации слов из небольшого словаря. Первые программы, сочиняющие тексты, не преследовали цель создать высокохудожественные произведения. Их задачей была демонстрация принципиальной возможности  порождения текстов с помощью компьютера. Поэтому создатели таких программ мало внимания обращали на семантику текстов, стремясь лишь к созданию связного текста. Так появились программы, сочиняющие "авангардистские" стихи или "заумную" прозу. Программы сочинения музыки используют принципы эвристического программирования и экспертные знания в области музыкального творчества. Программы строятся на принципах эвристического отбора нужной ноты из множества нот, генерируемых случайным образом.


1.3. История развития систем искусственного интеллекта

Основной расцвет исследований в области СИИ пришелся на конец 60-х годов, когда стали предприниматься первые попытки практического применения разработанных методов в реальных предметных областях. Основные результаты исследований были связаны с появлением и дальнейшим совершенствованием интеллектуальных средств человеко-машинного взаимодействия, используемых при аппаратной реализации СИИ. Центр внимания исследователей сместился с автономно функционирующих систем, самостоятельно решающих поставленные перед ними задачи, к созданию человеко-машинных систем, интегрирующих в единое целое интеллект человека и возможности компьютерной техники для достижения общей цели. На первый план выдвигалась разработка методов и средств, обеспечивающих тесное взаимодействие человека и компьютера с возможностью оперативного внесения человеком изменений в течение всего процесса решения задачи. Развитие исследований в данном направлении обусловливалось также резким ростом производства и удешевлением средств вычислительной техники, что делало их потенциально доступными для широких кругов пользователей. В рамках указанных исследований в конце 60-х годов в США были созданы первые экспериментальные интегральные роботы, функционирующие в лабораторных условиях.

В результате проведения указанных выше исследований и работ к исследователям пришло понимание того, что эффективность создаваемых СИИ существенно зависит от знаний, которыми они обладают. Возникла острая необходимость решения таких проблем, как адекватное представление знаний, зрительное восприятие, моделирование поведения в динамических средах, общение с системой на естественном (человеческом) языке и др.

В связи с эим к началу 70-х годов специалисты по искусственному интеллекту сумели выработать общую систему понятий и создали основы теории и методологию применения этой теории к построению прикладных СИИ. К этому времени были созданы первые проблемно-ориентированные языки программирования, модели представления знаний, средства для построения и сопровождения баз знаний, средства манипулирования знаниями и др. (Лекции №№6-11). Исследования в области представления знаний развивались в направлениях раскрытия принципов работы памяти человека, создания теорий извлечения сведений из памяти, распознавания и восстановления знаний. Появились компьютерные приложения, которые могли находить нужные знания на определенном этапе решения интеллектуальной задачи.

Большое внимание исследователей в это время уделялось моделированию процессов мышления человека и проблеме создания роботов, которые получили мощный толчок развития с появлением кибернетики и средств компьютерной техники. В противовес алгоритмическому методу решения задач, который использовался в обычных компьютерах и интерпретировался как механическое осуществление заданной последовательности шагов, детерминированно приводящей к искомому решению задачи, исследователи СИИ разрабатывали так называемые эвристические (интуитивные) модели мышления. Основной вклад в создание этих моделей внесли Минский – автор фреймовой модели представления знаний, Мак-Карти – автор языка "Lisp" (первого языка СИИ), Ньюэлл, Саймон, Шоу, Хант, Эндрю, Хейес, Мичи, Мельтцер и другие исследователи СИИ. Эвристические модели мышления, предложенные, в частности, Александровым в середине 60-х годов, были положены в основу так называемого эвристического программирования СИИ. .Модель ситуационного управления, разработанная Д.Поспеловым, использовала специальные модели представления ситуаций, в основу которых был положен язык символьной обработки информации "Рефал".

Существенный прорыв в развитии практических приложений СИИ в конце 70-х годов произошел в США, когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В связи с этим сформировалось самостоятельное направление в СИИ, получившее название "экспертные системы", которые способны вырабатывать решения, по эффективности не уступающие решениям эксперта (Лекция №5). В США были созданы первые экспертные системы "Mycin" - в медицине и "Dendral" - в химии. Эти системы отличались от традиционных систем обработки данных символьным (а не числовым) способом представления информации, символьным выводом на знаниях и эвристическим поиском решения задач, а не исполнением известного алгоритма.

В начале 80-х годов была объявлена глобальная программа развития новых технологий "Esprit" (Европейский Союз), в которую была включена проблематика создания СИИ и интеллектуальных компьютеров. В это же время Япония объявила о начале проекта интеллектуальных компьютеров V и VI поколений, основанных на работе со знаниями. Проект был рассчитан на 10 лет и объединял лучших молодых специалистов крупнейших японских компьютерных корпораций. Для них был создан специальный институт "ICOT". К середине 90-х годов японская ассоциация по искусственному интеллекту насчитывала 40 тыс. человек. Принципы построения СИИ и интеллектуальных компьютеров были положены в основу оборонной программы США «Strategic Computer Initiative».

Начиная с середины 80-х годов,  во всем мире резко возросли ассигнования на создание СИИ. В 1980 г. во всем мире в исследования СИИ было вложено около $70 млн., а в 1985г. эта цифра составила уже $350 млн. В 1987 г. только США вложило в исследования СИИ $2,5 млрд., а Япония - $1,5 млрд. В настоящее время затраты на исследования СИИ во всем мире уже превышают $35 млрд. в год.

В настоящее время СИИ является одним из наиболее актуальных и быстро развивающихся научных направлений. В рамках ИИ разрабатываются принципиально новые методы решения задач принятия решений и обработки данных. Идеи СИИ составляют концептуальную базу практически всех современных проектов создания интеллектуальных компьютеров новых поколений.


 

А также другие работы, которые могут Вас заинтересовать

84477. ЗАКОНОДАТЕЛЬНЫЕ ОСНОВЫ ВЫБОРА РАСХОДНЫХ МАТЕРИАЛОВ ДЛЯ ПЕЧАТИ УПАКОВКИ ПРОДУКТОВ ПИТАНИЯ 46.7 KB
  Например практически каждый год пополняется список запрещенных веществ попадающих в пищевые продукты из упаковки. Часть заказчиков пищевой упаковки выдвигает свои особые требования которые могут быть более жесткими чем обычные например как это до недавнего времени делала копания Nestle. В то же время потребители упаковки заинтересованы в максимальном снижении цены на упаковку поэтому перед производителем упаковки стоит нелегкая задача создать минимальный по цене продукт соответствующий всем требованиям и при этом остаться в прибыли.
84478. ЦИФРОВАЯ ПЕЧАТЬ. ПЕРСПЕКТИВЫ РАЗВИТИЯ ЦИФРОВЫХ ТЕХНОЛОГИЙ В ПОЛИГРАФИИ 302.18 KB
  По мере развития цифровых устройств скорость качество формат они получили название Цифровые Печатные Машины ЦПМ. Первые устройства офсетные печатные машины которые стали рассматриваться как ЦПМ были основаны на технологии Direct Imging прямое экспонирование. Для ясности понимания разделим ЦПМ на две группы: по признаку наличия или отсутствия какой бы то ни было формной поверхности. Виды струйных принтеров планшетные fltbed широкоформатные wide super wide рулонная Основные производители струйных принтеров: HP Scitex ...
84479. МАСЛЯНЫЕ ОФСЕТНЫЕ КРАСКИ 73.73 KB
  Критерии оценки качества краски В мире насчитывается несколько десятков фирмпроизводителей офсетных красок большая часть которых неизвестна российским полиграфистам. При выборе краски необходимо руководствоваться основными факторами ее оценки: яркость и чистота пигмента первоначальное схватывание краски на оттиске время хранения в кипсейках и не засыхания на валах обеспечивается правильным балансом связующих компонентов скорость окончательного закрепления Пигментация Печатная краска представляет собой коллоидную систему...
84480. ДЕФЕКТЫ В РАБОТЕ С ОФСЕТНЫМИ МАСЛЯНЫМИ КРАСКАМИ И СПОСОБЫ ИХ УСТРАНЕНИЯ 46.41 KB
  Дефект Возможная причина Рекомендации Деформация стопы Неправильное хранение бумаги. Чистить сопло подающее порошок Тонкая бумага Не делать высокую стопу Избыток воды в основном на краях бумаги Уменьшить или отрегулировать равномерность подачи воды Двоение Деформация основы до печати Заменить основу. Проконсультироваться с поставщиком Деформация бумаги вследствие серьезного изменения в гидрометрии Проверить разницу температур в помещении для складирования и в печатном цехе Офсетная резина недостаточно натянута Натянуть офсетную резину...
84481. КРАСКИ УФ-ОТВЕРЖДЕНИЯ 284.88 KB
  Состав красок УФотверждения Рассмотрим отличия в составе традиционной краски и краски УФотверждения. Традиционные краски Краски УФотверждения смола связующее олигомер растительные масла мономер минеральные масла пигмент разбавитель добавки пигмент фотоинициатор добавки стабилизатор сиккатив антисиккатив Компоненты краски влияют на физикохимические и технические характеристики УФкраски. Добавки в УФкраски играют ту же роль что и в традиционных красках. Соответственно вся энергия концентрируется на небольшом...
84482. ГИБРИДНЫЕ КРАСКИ 72.5 KB
  Гибридные краски часто рассматриваются как промежуточный продукт объединяющий в себе свойства обычных масляных и УФотверждаемых красок. Данная технология дает хороший результат но остается ряд проблем: необходимо качественное удаление противоотмарывающего порошка; межслоевая адгезия между краской и УФлаком может варьироваться изза различного содержания воска в краске различные субстраты и различная химия краски могут давать не всегда ожидаемый ре зультат; необходимость целого ряда дополнительных операций и дополнительных...
84483. ОСОБЕННОСТИ ПОДБОРА ЦВЕТА - ПРАКТИКА СМЕШЕНИЯ КРАСОК 41.79 KB
  Поэтому все большее количество типографий используют в своей работе смесевые краски. Смесевые краски позволяют добиться равномерной плашки без использования растра. Еще не так давно типографии смешивали краски сами используя опыт печатников. Современные типографии в основном заказывают необходимые для печати смесевые краски в фирмах специализирующихся на их изготовлении.
84484. ОФСЕТНАЯ ЛИСТОВАЯ ПЕЧАТЬ БЕЗ ИСПОЛЬЗОВАНИЯ ИЗОПРОПИЛОВОГО СПИРТА 43.74 KB
  Уже более 30 лет успешно применяется технология офсетной печати без использования изопропилового спирта в США где эта технология зародилась и распространилась благодаря поддержке государства и высоких требований к экологической безопасности. Вслед за Соединенными Штатами от спирта стали отказываться типографии и в Европе. На данный момент печать без использования изопропилового спирта распространена и в Европе что наглядно видно на любой европейской выставке.
84485. Поняття про рефлекс. Будова рефлекторної дуги та її ланок 43.38 KB
  Рефлекторна дуга – шлях по якому передається інформація при здійсненні рефлексу. Тобто рефлекторна дуга – морфологічний субстрат рефлексу. Схема найпростішої елементарної рефлекторної дуги на прикладі шкірном’язового рефлексу має такий вигляд: Із схеми видно що рефлекторна дуга має такі відділи: 1. Нервовий центр – структури у межах ЦНС що беруть участь у здійсненні рефлексу.