Штучний інтелект вікі. ІІ у виробничій сфері

Штучний інтелект (ІІ, англ. Artificial intelligence, AI) – наука та технологія створення інтелектуальних машин, особливо інтелектуальних комп'ютерних програм. ІІ пов'язані з подібним завданням використання комп'ютерів розуміння людського інтелекту, але з обов'язково обмежується біологічно правдоподібними методами.

Що таке штучний інтелект

Інтелект(від лат. intellectus - відчуття, сприйняття, розуміння, розуміння, поняття, розум), або розум - якість психіки, що складається з здатності пристосовуватися до нових ситуацій, здатності до навчання та запам'ятовування на основі досвіду, розуміння та застосування абстрактних концепцій та використання своїх знань для управління довкіллям. Інтелект - це загальна здатність до пізнання та вирішення труднощів, яка поєднує всі пізнавальні здібності людини: відчуття, сприйняття, пам'ять, уявлення, мислення, уяву.

На початку 1980-х років. вчені в галузі теорії обчислень Барр та Файгенбаум запропонували наступне визначення штучного інтелекту (ІІ):

Пізніше до ІІ стали відносити ряд алгоритмів і програмних систем, відмінною властивістю яких є те, що вони можуть вирішувати деякі завдання так, як це робила б людина, що розмірковує над їх рішенням.

Основні властивості ІІ - це розуміння мови, навчання та здатність мислити і, що важливо, діяти.

ІІ – комплекс споріднених технологій і процесів, що розвиваються якісно та стрімко, наприклад:

• обробка тексту природною мовою
• експертні системи
• віртуальні агенти (чат-боти та віртуальні помічники)
• системи рекомендацій.

Технологічні напрями ІІ. Дані Deloitte

Дослідження у сфері ІІ

• Основна стаття:Дослідження у сфері штучного інтелекту

Стандартизація в галузі ІІ

2018: Розробка стандартів у галузі квантових комунікацій, ІІ та розумного міста

Технічний комітет «Кібер-фізичні системи» на базі РВК спільно з Регіональним інжиніринговим центром «СейфНет» 6 грудня 2018 року розпочали розробку комплексу стандартів для ринків Національної технологічної ініціативи (НТІ) та цифрової економіки. До березня 2019 року планується розробити документи технічної стандартизації в галузі квантових комунікацій, та повідомили в РВК. Детальніше .

Вплив штучного інтелекту

Ризик у розвиток людської цивілізації

Вплив на економіку та бізнес

• Вплив технологій штучного інтелекту на економіку та бізнес

Вплив ринку праці

Упередженість штучного інтелекту

В основі всього того, що є практикою ІІ (машинний переклад, розпізнавання мови, обробка текстів природними мовами, комп'ютерний зір, автоматизація водіння автомобілів та багато іншого) лежить глибинне навчання. Це підмножина машинного навчання, яке відрізняється використанням моделей нейронних мереж, про які можна сказати, що вони імітують роботу мозку, тому їх з натяжкою можна віднести до ІІ. Будь-яка модель нейронної мережі навчається на великих наборах даних, таким чином, вона набуває деяких «навичок», але те, як вона ними користується - для творців залишається не ясним, що в кінцевому рахунку стає однією з найважливіших проблем для багатьох програм глибинного навчання. Причина в тому, що така модель працює з образами формально, без розуміння того, що вона робить. Чи є така система ІІ і чи можна довіряти системам, побудованим з урахуванням машинного навчання? Значення відповіді останнє питання виходить межі наукових лабораторій. Тому помітно загострилася увага засобів масової інформації до явища, яке отримало назву AI bias. Його можна перекласти як «необ'єктивність ІІ» або «упередженість ІІ». Детальніше .

Ринок технологій штучного інтелекту

Ринок ІІ в Росії

Світовий ринок ІІ

Сфери застосування ІІ

Сфери застосування ІІ досить широкі і охоплюють як звичні слуху технології, так і нові напрямки, далекі від масового застосування, інакше кажучи, це весь спектр рішень, від пилососів до космічних станцій. Можна розділити їх різноманітність за критерієм ключових точок розвитку.

ІІ - це монолітна предметна область. Більше того, деякі технологічні напрямки ІІ фігурують як нові підгалузі економіки та відокремлені сутності, одночасно обслуговуючи більшість сфер економіки.

Основні комерційні сфери застосування технологій штучного інтелекту

Розвиток застосування використання ІІ веде до адаптації технологій у класичних галузях економіки по всьому ланцюжку створення цінності та перетворює їх, призводячи до алгоритмізації практично всього функціоналу, від логістики до управління компанією.

Використання ІІ з метою оборони та у військовій справі

Використання в освіті

Використання ІІ у бізнесі

ІІ в електроенергетики

• На рівні проектування: покращене прогнозування генерації та попиту на енергоресурси, оцінка надійності енергогенеруючого обладнання, автоматизація підвищення генерації при стрибку попиту.
• На рівні виробництва: оптимізація профілактичного обслуговування обладнання, підвищення ефективності генерації, зниження втрат, запобігання крадіжкам енергоресурсів.
• На рівні просування: оптимізація ціноутворення залежно від часу дня та динамічна тарифікація.
• На рівні надання обслуговування: автоматичний вибір найвигіднішого постачальника, докладна статистика споживання, автоматизоване обслуговування клієнтів, оптимізація енергоспоживання з урахуванням навичок та поведінки клієнта.

ІІ у виробничій сфері

• На рівні проектування: підвищення ефективності розробки нових продуктів, автоматизована оцінка постачальників та аналіз вимог до запчастин та деталей.
• На рівні виробництва: вдосконалення процесу виконання завдань, автоматизація складальних ліній, зниження кількості помилок, зменшення термінів доставки сировини.
• На рівні просування: прогнозування обсягів надання послуг підтримки та обслуговування, керування ціноутворенням.
• На рівні надання обслуговування: покращення планування маршрутів парку транспортних засобів, попиту на ресурси автопарку, підвищення якості підготовки сервісних інженерів.

ІІ в банках

• Розпізнавання образів – використовується у т.ч. для впізнавання клієнтів у відділеннях та передачі їм спеціалізованих пропозицій.

Основні комерційні сфери застосування технологій штучного інтелекту у банках

ІІ на транспорті

• Автоіндустрія на порозі революції: 5 викликів епохи безпілотного водіння

ІІ в логістиці

ІІ у пивоварінні

Використання ІІ у держуправлінні

ІІ у криміналістиці

• Розпізнавання образів – використовується у т.ч. виявлення злочинців у громадських просторах.

• У травні 2018 стало відомо про використання голландською поліцією штучного інтелекту для розслідування складних злочинів.

Як повідомляє видання The Next Web, правоохоронні органи почали оцифровувати понад 1500 звітів та 30 млн сторінок, пов'язаних із нерозкритими справами. У комп'ютерний формат переносять матеріали, починаючи з 1988 року, в яких злочин не розкривався не менше трьох років, і злочинця було засуджено до понад 12 років позбавлення волі.

Розкрити складний злочин за день. Поліція бере ІІ на озброєння

Після оцифрування всього контенту він буде підключений до системи машинного навчання, яка аналізуватиме записи і вирішуватиме, в яких справах використовуються достовірні докази. Це має знизити час обробки справ та розкриття минулих та майбутніх злочинів з кількох тижнів до одного дня.

Штучний інтелект розподілятиме справи щодо їхньої «розв'язності» і вказуватиме на можливі результати експертизи ДНК. Потім планується автоматизувати аналіз і в інших сферах судової експертизи і, можливо, навіть охопити дані в таких галузях, як суспільні науки та свідчення.

Крім того, як розповів один розробник системи Джерун Хаммер (Jeroen Hammer), у майбутньому можуть бути випущені API-функції для партнерів.

Голландська поліція має спеціальний підрозділ, що спеціалізується на освоєнні нових технологій для розкриття злочинів. Саме він і створив ІІ-систему для швидкого пошуку злочинців за доказами.

ІІ у судовій системі

Розробки в галузі штучного інтелекту допоможуть кардинально змінити судову систему, зробити її більш справедливою та вільною від корупційних схем. Таку думку висловив влітку 2017 доктор технічних наук, технічний консультант Artezio Володимир Крилов.

Вчений вважає, що вже існуючі рішення в галузі AI можна успішно застосовувати в різних сферах економіки та суспільного життя. Експерт вказує, що AI успішно застосовується в медицині, однак у майбутньому здатний повністю змінити судову систему.

«Щодня переглядаючи новинні повідомлення про розробки в галузі ІІ тільки дивуєшся невичерпності фантазії та плідності дослідників та розробників у цій галузі. Повідомлення про наукові дослідження постійно чергуються з публікаціями про нові продукти, що вриваються на ринок та повідомленнями про дивовижні результати, отримані за допомогою застосування ІІ в різних галузях. Якщо ж говорити про очікувані події, які супроводжуються помітним хайпом у ЗМІ, в якому ІІ стане знову героєм новин, то я, напевно, не ризикну робити технологічних прогнозів. Можу припустити, що найближчою подією стане поява десь гранично компетентного суду у формі штучного інтелекту, справедливого та непідкупного. Станеться це, мабуть, у 2020-2025 роках. І процеси, які пройдуть у цьому суді, призведуть до несподіваних рефлексій та прагнення багатьох людей передати ІІ більшість процесів управління людським суспільством».

Використання штучного інтелекту в судовій системі вчений визнає «логічним кроком» щодо розвитку законодавчої рівності та справедливості. Машинний розум не схильний до корупції та емоцій, може чітко дотримуватися законодавчих рамок і виносити рішення з урахуванням багатьох факторів, включаючи дані, що характеризують учасників спору. За аналогією з медичною сферою, роботи-судді можуть оперувати великими даними зі сховищ державних служб. Можна припустити, що машинний інтелект зможе швидко обробляти дані та враховувати значно більше факторів, ніж суддя-людина.

Експерти-психологи, втім, вважають, що відсутність емоційної складової під час розгляду судових справ негативно вплине на якість рішення. Вердикт машинного суду може виявитися надто прямолінійним, який не враховує важливість почуттів та настрою людей.

Живопис

У 2015 році команда Google тестувала нейронні мережі щодо можливості самостійно створювати зображення. Тоді штучний інтелект навчали з прикладу великої кількості різних картинок. Однак, коли машину «попросили» самостійно щось зобразити, то виявилося, що вона інтерпретує навколишній світ дещо дивно. Наприклад, завдання намалювати гантелі, розробники отримали зображення, у якому метал був з'єднаний людськими руками. Ймовірно, це сталося через те, що на етапі навчання аналізовані картинки з гантелями містили руки, і нейронна мережа неправильно це інтерпретувала.

26 лютого 2016 року в Сан-Франциско на спеціальному аукціоні представники Google виручили із психоделічних картин, написаних штучним інтелектом, близько $98 тис. Ці кошти були пожертвовані на благодійність. Одна з найвдаліших картин машини представлена ​​нижче.

Картина написана штучним інтелектом Google.

Штучний інтелект

Штучний інтелект - розділ інформатики, що вивчає можливість забезпечення розумних міркувань та дій за допомогою обчислювальних систем та інших штучних пристроїв. При цьому в більшості випадків наперед невідомий алгоритм розв'язання задачі.

Точного визначення цієї науки не існує, тому що у філософії не вирішено питання про природу та статус людського інтелекту. Немає і точного критерію досягнення комп'ютерами «розумності», хоча на зорі штучного інтелекту було запропоновано низку гіпотез, наприклад, тест Тьюринга чи гіпотеза Ньюелла – Саймона. На даний момент є безліч підходів як до розуміння завдання ІІ, так і до створення інтелектуальних систем.

Так, одна з класифікацій виділяє два підходи до розробки ІІ:

низхідний, семіотичний - створення символьних систем, що моделюють високорівневі психічні процеси: мислення, міркування, мовлення, емоції, творчість тощо;

висхідний, біологічний - вивчення нейронних мереж та еволюційні обчислення, що моделюють інтелектуальну поведінку на основі дрібніших «неінтелектуальних» елементів.

Ця наука пов'язана з психологією, нейрофізіологією, трансгуманізмом та іншими. Як і всі комп'ютерні науки, вона використовує математичний апарат. Особливе значення для неї мають філософія та робототехніка.

Штучний інтелект - дуже молода область досліджень, старт якої було дано 1956 року. Її історичний шлях нагадує синусоїду, кожен «зліт» якої ініціювався якоюсь новою ідеєю. На даний момент її розвиток знаходиться на «спаді», поступаючись місцем застосування вже досягнутих результатів в інших галузях науки, промисловості, бізнесі і навіть повсякденному житті.

Підходи до вивчення

Існують різні підходи до побудови систем ІІ. На даний момент можна виділити 4 досить різні підходи:

1. Логічний підхід. Основою логічного підходу служить Булева алгебра. Кожен програміст знайомий з нею та з логічними операторами з тих пір, коли він освоював оператор IF. Свій подальший розвиток Булева алгебра отримала у вигляді обчислення предикатів - в якому вона розширена за рахунок введення предметних символів, відносин між ними, кванторів існування та загальності. Практично кожна система ІІ, побудована на логічному принципі, є машиною доказу теорем. У цьому вихідні дані зберігаються у базі даних як аксіом, правила логічного виведення як відносини з-поміж них. Крім того, кожна така машина має блок генерації мети і система виведення намагається довести цю мету як теорему. Якщо мета доведена, то трасування застосованих правил дозволяє отримати ланцюжок дій, необхідні реалізації поставленої мети (така система відома як експертні системи). Потужність такої системи визначається можливостями генератора цілей та машиною доказу теорем. Досягти більшої виразності логічного підходу дозволяє такий порівняно новий напрямок, як нечітка логіка. Основною її відмінністю є те, що правдивість висловлювання може приймати в ній крім так/ні (1/0) ще й проміжні значення - не знаю (0.5), пацієнт швидше живий, ніж мертвий (0.75), пацієнт швидше за мертвий, ніж живий ( 0.25). Цей підхід більше схожий на мислення людини, оскільки він на запитання рідко відповідає тільки так чи ні.

2. Під структурним підходом ми маємо на увазі тут спроби побудови ІІ шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Основний структурованої одиницею, що моделюється, в перцептронах (як і в більшості інших варіантів моделювання мозку) є нейрон. Пізніше виникли й інші моделі, які відомі більшості під терміном нейронні мережі (НС). Ці моделі розрізняються за будовою окремих нейронів, за топологією зв'язків між ними та за алгоритмами навчання. Серед найбільш відомих зараз варіантів СР можна назвати СР зі зворотним поширенням помилки, мережі Хопфілда, стохастичні нейронні мережі. У ширшому значенні такий підхід відомий як Коннективізм.

3. Еволюційний підхід. При побудові систем ІІ з цього підходу основна увага приділяється побудові початкової моделі, і правил, якими вона може змінюватися (еволюціонувати). Причому модель може бути складена за різними методами, це може бути НС і набір логічних правил і будь-яка інша модель. Після цього ми включаємо комп'ютер і він, на підставі перевірки моделей відбирає найкращі з них, на підставі яких за різними правилами генеруються нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм

4. Імітаційний підхід. Цей підхід є класичним для кібернетики з одним із її базових понять чорний ящик. Об'єкт, поведінка якого імітується, якраз і є «чорною скринькою». Нам не важливо, що в нього і в моделі всередині і як він функціонує, головне, щоб наша модель в аналогічних ситуаціях поводилася так само. Таким чином, тут моделюється інша властивість людини - здатність копіювати те, що роблять інші, не вдаючись у подробиці, навіщо це потрібно. Найчастіше ця здатність економить йому багато часу, особливо на початку його життя.

У рамках гібридних інтелектуальних систем намагаються поєднати ці напрямки. Експертні правила висновків можуть генеруватися нейронними мережами, а породжувальні правила отримують за допомогою статистичного навчання.

p align="justify"> Багатообіцяючий новий підхід, званий посилення інтелекту, розглядає досягнення ІІ в процесі еволюційної розробки як побічний ефект посилення людського інтелекту технологіями.

Напрями досліджень

Аналізуючи історію ІІ, можна назвати такий великий напрямок як моделювання міркувань. Довгі роки розвиток цієї науки рухався саме цим шляхом, і тепер це одна з найрозвиненіших областей у сучасному ІІ. Моделювання міркувань має на увазі створення символьних систем, на вході яких поставлено якесь завдання, а на виході потрібно її вирішення. Як правило, запропонована задача вже формалізована, тобто переведена в математичну форму, але або не має алгоритму рішення, або він занадто складний, трудомісткий і т. п. У цей напрямок входять: доказ теорем, прийняття рішень та теорія ігор, планування та диспетчеризація, прогнозування.

Важливим напрямом є обробка природної мови, в рамках якої проводиться аналіз можливостей розуміння, обробки та генерації текстів «людською» мовою. Зокрема, тут ще не вирішено проблему машинного перекладу текстів з однієї мови на іншу. У світі велику роль грає розробка методів інформаційного пошуку. За своєю природою, оригінальний тест Тьюринга пов'язаний із цим напрямком.

На думку багатьох вчених, важливою властивістю інтелекту є здатність до навчання. Таким чином, на перший план виходить інженерія знань, що поєднує завдання отримання знань із простої інформації, їх систематизації та використання. Досягнення у цій галузі зачіпають майже всі інші напрями досліджень ІІ. Тут також не можна не відзначити дві важливі підобласті. Перша їх - машинне навчання - стосується процесу самостійного отримання знань інтелектуальної системою у її роботи. Друге пов'язане зі створенням експертних систем - програм, що використовують спеціалізовані бази знань для отримання достовірних висновків з будь-якої проблеми.

Великі та цікаві досягнення є в галузі моделювання біологічних систем. Строго кажучи, сюди можна зарахувати кілька незалежних напрямків. Нейронні мережі використовуються для вирішення нечітких та складних проблем, таких як розпізнавання геометричних фігур або кластеризація об'єктів. Генетичний підхід заснований на ідеї, що певний алгоритм може стати ефективнішим, якщо запозичить кращі характеристики в інших алгоритмів («батьків»). Відносно новий підхід, де ставиться завдання створення автономної програми - агента, що взаємодіє із зовнішнім середовищем, називається агентним підходом. А якщо належним чином змусити масу «не дуже інтелектуальних» агентів взаємодіяти разом, можна отримати «мурашиний» інтелект.

Завдання розпізнавання образів вже частково вирішуються у межах інших напрямів. Сюди відносяться розпізнавання символів, рукописного тексту, промови, аналіз текстів. Особливо варто згадати комп'ютерний зір, який пов'язаний із машинним навчанням та робототехнікою.

Взагалі, робототехніка та штучний інтелект часто асоціюються один з одним. Інтегрування цих двох наук, створення інтелектуальних роботів можна вважати ще одним напрямом ІІ.

Осібно тримається машинна творчість, у зв'язку з тим, що природа людської творчості ще менш вивчена, ніж природа інтелекту. Тим не менш, ця область існує, і тут поставлені проблеми написання комп'ютером музики, літературних творів (часто віршів чи казок), художня творчість.

Нарешті, існує безліч додатків штучного інтелекту, кожна з яких утворює майже самостійний напрямок. Як приклади можна навести програмування інтелекту в комп'ютерних іграх, нелінійне керування, інтелектуальні системи безпеки.

Можна помітити, що багато областей досліджень перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, здавалося б, різними напрямками виражений особливо сильно, і це пов'язано з філософською суперечкою про сильне і слабке ІІ.

На початку XVII століття Рене Декарт припустив, що тварина - складний механізм, тим самим сформулювавши механістичну теорію. У 1623 р. Вільгельм Шикард побудував першу механічну цифрову обчислювальну машину, за якою пішли машини Блеза Паскаля (1643) і Лейбніца (1671). Лейбніц також був першим, хто описав сучасну двійкову систему числення, хоча до нього цією системою періодично захоплювалися багато великих учених. У XIX столітті Чарльз Беббідж та Ада Лавлейс працювали над програмованою механічною обчислювальною машиною.

У 1910-1913 pp. Бертран Рассел та А. Н. Уайтхед опублікували роботу «Принципи математики», яка зробила революцію у формальній логіці. У 1941 Конрад Цузе побудував перший працюючий програмно-контрольований комп'ютер. Уоррен Маккалок і Валтер Піттс в 1943 опублікували A Logical Calculus Ideas Immanent в Nervous Activity, який заклав основи нейронних мереж.

Сучасний стан справ

На даний момент (2008) у створенні штучного інтелекту (у первісному розумінні цього слова, експертні системи та шахові програми сюди не належать) спостерігається дефіцит ідей. Майже всі підходи були випробувані, але до виникнення штучного розуму жодна дослідницька група не підійшла.

Деякі з найбільш вражаючих цивільних ІІ систем:

Deep Blue - переміг чемпіона світу з шахів. (Матч Каспаров проти суперЕОМ не приніс задоволення ні комп'ютерникам, ні шахістам і система не була визнана Каспаровим, хоча оригінальні компактні шахові програми невід'ємний елемент шахової творчості. Потім лінія суперкомп'ютерів IBM проявилася в проектах brute force BluGene (молекулярне) швейцарському центрі Blue Brain.Ця історія - приклад заплутаних і засекречених відносин ІІ, бізнесу, та національних стратегічних завдань.)

Mycin - одна з ранніх експертних систем, яка могла діагностувати невеликий набір захворювань, причому часто так само, як і лікарі.

20q – проект, заснований на ідеях ІІ, за мотивами класичної гри «20 питань». Став дуже популярним після появи в інтернеті на сайті 20q.net.

Розпізнавання мови. Системи, такі як ViaVoice, здатні обслуговувати споживачів.

Роботи у щорічному турнірі RoboCup змагаються у спрощеній формі футболу.

Застосування ІІ

Банки застосовують системи штучного інтелекту (СІІ) у страховій діяльності (актуарна математика) при грі на біржі та управлінні власністю. У серпні 2001 року роботи виграли у людей в імпровізованому змаганні з трейдингу (BBC News, 2001). Методи розпізнавання образів, (включаючи як складніші та спеціалізовані, так і нейронні мережі) широко використовують при оптичному та акустичному розпізнаванні (у тому числі тексту та мовлення), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також задля забезпечення низки інших завдань національної безпеки.

Розробники комп'ютерних ігор змушені застосовувати ІІ того чи іншого ступеня опрацьованості. Стандартними завданнями ІІ в іграх є знаходження шляху у двовимірному чи тривимірному просторі, імітація поведінки бойової одиниці, розрахунок правильної економічної стратегії тощо.

Перспективи ІІ

Проглядаються два напрями розвитку ІІ:

перше полягає у вирішенні проблем, пов'язаних з наближенням спеціалізованих систем ІІ до можливостей людини та їх інтеграції, що реалізована природою людини.

друге полягає у створенні Штучного Розуму, що представляє інтеграцію вже створених систем ІІ в єдину систему, здатну вирішувати проблеми людства.

Зв'язок з іншими науками

Штучний інтелект тісно пов'язаний із трансгуманізмом. А разом із нейрофізіологією та когнітивною психологією він утворює більш загальну науку, звану когнітологію. Окрему роль у штучному інтелекті грає філософія.

Філософські питання

Наука «про створення штучного розуму» не могла не привернути увагу філософів. З появою перших інтелектуальних систем було порушено фундаментальні питання про людину та знання, а частково про світоустрій. З одного боку, вони нерозривно пов'язані з цією наукою, з другого - привносять у неї певний хаос. Серед дослідників ІІ досі немає будь-якої домінуючої погляду на критерії інтелектуальності, систематизацію розв'язуваних цілей і завдань, немає навіть суворого визначення науки.

Чи може машина думати?

Найбільш гарячі суперечки у філософії штучного інтелекту викликає питання можливості мислення творіння людських рук. Питання «Чи може машина мислити?», який підштовхнув дослідників до створення науки про моделювання людського розуму, було поставлене Аланом Тьюрінгом у 1950 році. Дві основні точки зору це питання носять назви гіпотез сильного і слабкого штучного інтелекту.

Термін «сильний штучний інтелект» ввів Джон Серль, його словами підхід і характеризується:

Більше того, така програма буде не просто моделлю розуму; вона в буквальному значенні слова сама і буде розумом, у тому ж значенні, в якому людський розум - це розум».

Навпаки, прихильники слабкого ІІ вважають за краще розглядати програми лише як інструмент, що дозволяє вирішувати ті чи інші завдання, які не вимагають повного спектру людських пізнавальних здібностей.

У своєму подумки «Китайська кімната», Джон Серль показує, що проходження тесту Тьюринга не є критерієм наявності у машини справжнього процесу мислення.

Мислення є процес обробки інформації, що знаходиться в пам'яті: аналіз, синтез і самопрограмування.

Аналогічну позицію займає і Роджер Пенроуз, котрий у своїй книзі «Новий розум короля» аргументує неможливість одержання процесу мислення на основі формальних систем.

Існують різні погляди на це питання. Аналітичний підхід передбачає аналіз вищої нервової діяльності людини до нижчого, неподільного рівня (функція вищої нервової діяльності, елементарна реакція на зовнішні подразники (стимули), подразнення синапсів сукупності пов'язаних функцією нейронів) та подальше відтворення цих функцій.

Деякі фахівці за інтелект приймають здатність раціонального, вмотивованого вибору, в умовах нестачі інформації. Тобто інтелектуальною просто вважається та програма діяльності (не обов'язково реалізована на сучасних ЕОМ), яка зможе вибрати з певної множини альтернатив, наприклад, куди йти у разі «ліворуч підеш …», «право підеш …», «прямо підеш …»

Наука про знання

Також, із проблемами штучного інтелекту тісно пов'язана епістемологія – наука про знання у рамках філософії. Філософи, що займаються даною проблематикою, вирішують питання, схожі на ті, які вирішуються інженерами ІІ про те, як краще представляти і використовувати знання та інформацію.

Ставлення до ІІ у суспільстві

ІІ та релігія

Серед послідовників авраамічних релігій є кілька точок зору можливість створення ІІ з урахуванням структурного підходу.

За однією з них мозок, роботу якого намагаються імітувати системи, на їхню думку, не бере участь у процесі мислення, не є джерелом свідомості та будь-якої іншої розумової діяльності. Створення ІІ на основі структурного підходу неможливе.

Відповідно до іншої точки зору, мозок бере участь у процесі мислення, але у вигляді "передавача" інформації від душі. Мозок відповідальний за такі "прості" функції, як безумовні рефлекси, реакція на біль тощо. Створення ІІ на основі структурного підходу можливе, якщо система, що конструюється, зможе виконувати "передавальні" функції.

Обидві позиції відповідають даним сучасної науки, т.к. поняття душа не розглядається сучасною наукою як наукова категорія.

На думку багатьох буддистів, ІІ можливий. Так, духовний лідер далай-лама XIV не відкидає можливості існування свідомості на комп'ютерній основі.

Раеліти активно підтримують розробки у сфері штучного інтелекту.

ІІ та наукова фантастика

У науково-фантастичній літературі ІІ найчастіше зображується як сила, яка намагається повалити владу людини (Омніус, HAL 9000, Скайнет, Colossus, Матриця та реплікант) або обслуговуючий гуманоїд (C-3PO, Data, KITT та KARR, Двохсотрічна людина). Неминуча домінування над світом ІІ, що вийшов з-під контролю, заперечується такими фантастами як Айзек Азімов та Kevin Warwick.

Цікаве бачення майбутнього представлене у романі «Вибір за Тьюрингом» письменника-фантаста Гаррі Гаррісона та вченого Марвіна Мінська. Автори міркують на тему втрати людяності в людини, в мозок якого було вживлено ЕОМ, і придбання людяності машиною з ІІ, на згадку про яку було скопійовано інформацію з мозку людини.

Деякі наукові фантасти, наприклад Вернор Віндж, також розмірковували над наслідками появи ІІ, яка, мабуть, викличе різкі драматичні зміни у суспільстві. Такий період називають технологічною сингулярністю.

Вчора Zillion опублікував ексклюзивне інтерв'ю з молодим вченим, переможцем премії Intel ISEF-2013 Іонутом Олександром Будістеаном, який працює над проектом зі створення безпечних самоврядних автомобілів на основі штучного інтелекту. Всі ми за інерцією думаємо, що ІІ – це щось із фантастичних фільмів. Але він уже тут із нами. Хоча не все так просто. Що таке штучний інтелект насправді?

Штучний інтелект: проблема визначення та методу

У недавньому знаменитий фізик Девід Дойч розповів Zillion про свою позицію у питанні штучного інтелекту:

Я думаю, що науково-технологічна революція буде викликана нарощуванням знань у якійсь галузі – і здійснить її створення штучного інтелекту. На жаль, більшість сучасних підходів до створення штучного інтелекту використовують методи та філософії, які, на мою думку, не можуть спрацювати. Але якщо ми візьмемо широкі часові рамки, думаю, цю проблему можна вирішити і буде вирішено. І коли це станеться, світ уже ніколи не буде тим самим. З одного боку, ми не будемо самотніми з погляду володіння розумом. Але з іншого боку - різницю між людськими істотами і штучними розумами неминуче зітруться. Ми будемо здатні навіть завантажувати свою свідомість, розум у комп'ютер зі штучним інтелектом, і тоді станемо безсмертними. До речі, саме по собі завантаження людського розуму в комп'ютер не буде штучним інтелектом - комп'ютер стане лише штучним субстратом для управління «звичайним» розумом. Я не вважаю це за штучний інтелект. Наслідки всього одного досягнення прогресу – появи штучного інтелекту – будуть колосальними. Я не знаю, коли це станеться: на жаль, сьогоднішні шляхи ведуть швидше до невдачі. Я можу сказати чому, якщо хочете.

Девід Дойч (David Deutsch)

Британський фізик-теоретик. Професор Оксфордського університету. Один із піонерів у галузі квантових обчислень. Пропагандист евереттівської багатосвітової інтерпретації квантової механіки. У 1998 році був нагороджений премією Дірака Британського інституту фізики, а в 2005 році - премією в галузі комп'ютерних наук Edge of Computation Science Prize. У 2008 році за свої наукові досягнення був обраний до Лондонського королівського товариства.

- Якщо ви думаєте, що це просто рід комп'ютерної програми, то справжній штучний інтелект буде зовсім іншою програмою, ніж будь-яка інша. Для інших програм ви можете точно встановити, що вони роблять, тобто певну відповідь на кожне введення. Наприклад, для Word можна встановити: якщо ви натискаєте Delete, виділений текст має бути видалено. Але штучний інтелект улаштований інакше. Припустимо, мені потрібно було б, щоб програма написала нову працю з фізики та опублікувала її – це було б чудово! Якби мені потрібно було написати для цього вимоги, специфікацію, щоб така праця була опублікована, ця специфікація вже містила б нові знання з фізики, які я просив би програму відкрити. І, отже, я б завантажив ці знання в програму, а не програма створила б їх сама. З іншого боку, якщо я не завантажу туди ці знання, стане неможливо вказати, що повинна робити програма, так само як неможливо вказати, що повинна робити людина. Отже, специфікація для програми штучного інтелекту не може бути створена відповідно до певних біхевіористських упереджень, за якими створені існуючі програми. Ось у цьому причина.

Проте вже існує якщо не «чистий» штучний інтелект, то його попередники – розумні програми, інтелектуальні системи, пристрої з Artificially Simulated Human Behavior (штучно симульованою людською поведінкою). Що ж світова наука має на увазі під поняттям штучного інтелекту? Які підходи до його створення?

Питання парадигми штучного інтелекту настільки складне і комплексне, що ним займаються відразу кілька наук: не тільки комп'ютерна наука, але також філософія, нейронаука, футурологія та ін. Філософи, наприклад, запитують, що таке людина та знання. Нейролінгвісти та нейрофізіологи намагаються зрозуміти, як саме ми мислимо, пізнаємо, робимо відкриття, виявляємо нові ідеї, створюємо інновації. І чи взагалі може інтелект бути виключно біологічним феноменом?

За класичним визначенням, штучний інтелект, або ІІ (Artificial intelligence, AI), являє собою наукову галузь та технологію створення інтелектуальних машин та інтелектуальних комп'ютерних програм, використання комп'ютерів для розуміння людського інтелекту. У цьому концепція ІІ має спиратися на біологічні принципи. Хоча б з тієї причини, що мозок і свідомість людини, як багато авторитетних представників нейронауки, - наукова загадка і ми навряд чи колись зможемо відкрити всі таємниці устрою цього шедевра еволюції. На дев'ятій хвилині відеоінтерв'ю Німецькому культурному центру ім. Гете в Росії нейролінгвіст зі світовим ім'ям Тетяна Чернігівська відповідає на запитання «Чи можемо ми пізнати мозок?»: «Я вважаю, що у нас немає жодних шансів пізнати мозок. Жодних ніколи не буде. Жодна система не може зрозуміти ту систему, яка складніша, ніж вона, - це рівно наша ситуація. Мозок складніше, ніж Всесвіт, мозок найскладніше, тому я не можу собі уявити, як його частина, якою ми, ймовірно, є, - хоча хто його знає - як ми можемо самі себе вивчити, я не розумію».

Класичне визначення штучного інтелекту дав ще 1956 року на конференції в Дартмутському університеті видатний американський інформатик Джон МакКарті, винахідник мови Lisp, засновник функціонального програмування та лауреат Премії Тьюринга за величезний внесок у сферу досліджень штучного інтелекту. Власне він і був автором терміна «штучний інтелект».

Джон МакКарті (John McCarthy)

Американський інформатик, автор терміна "штучний інтелект", винахідник мови Lisp, основоположник функціонального програмування.

Вже тоді МакКарті не пов'язував термін ІІ безпосередньо з розумінням людського інтелекту: він вважав, що інженери та вчені, які працюють над ІІ, можуть використовувати для вирішення конкретних проблем методи, не властиві людському мисленню. Джон МакКарті говорив, що одна з основних проблем полягає в тому, що поки що не вдається визначити, які обчислювальні процедури називати інтелектуальними, оскільки світова наука розуміє деякі механізми інтелекту, але не розуміє інших. Таким чином, у рамках суто технологічного підходу ІІ звужується до обчислювальної складової здатності досягати цілей.

ІІ як напрямок наукових досліджень вивчає природу та суть інтелектуальної творчої діяльності людини, шукає можливості відтворити у штучних системах відбивну здатність людської свідомості. Але при цьому безпосередньо суть ІІ розуміється як кібернетична система, яка переробляє інформацію, що надходить із зовнішнього середовища, щоб на її підставі приймати рішення. Дуже цікавий та важливий момент: слово «інтелект» у цьому понятті метафоричнооскільки ІІ-системи поки не відтворюють процеси, що відбуваються в мозку людини. На сьогодні загальноприйнято, що для іменування штучним інтелектом система повинна формувати рішення, що задовольняють вимогам.

Штучний інтелект: труднощі перекладу

Ще більш заплутана ситуація з розумінням ІІ через призму російської. У Росії її питаннями ІІ займається Російська асоціація штучного інтелекту. Цікаво, що саме російськомовне поняття «штучний інтелект» вважається в РАІ невдалим перекладом терміну Artificial Intelligence. Artificial означає «штучний, рукотворний, несправжній, штучний», а Intelligence – «інтелект, розум, розум, розумові здібності; інформація, відомості секретного характеру; розвідка, розвідувальна служба». Поняття intelligence у науковому контексті має на увазі «здатність розумно розмірковувати». І воно не ідентичне слову intellect, яке, власне, означає «інтелект». У Російській асоціації штучного інтелекту пропонують ось ці три визначення штучного інтелекту:

• Науковий напрямок, у якого ставляться і вирішуються завдання апаратного чи програмного моделювання тих видів людської діяльності, які зазвичай вважаються інтелектуальними.
• Властивість інтелектуальних систем виконувати функції (творчі), які традиційно вважаються прерогативою людини. У цьому інтелектуальна система — це технічна чи програмна система, здатна вирішувати завдання, традиційно вважаються творчими, належать конкретної предметної області, знання про яку зберігаються у пам'яті такої системи. Структура інтелектуальної системи включає три основні блоки - базу знань, вирішувач та інтелектуальний інтерфейс, що дозволяє спілкуватися з ЕОМ без спеціальних програм для введення даних.
• Наука під назвою штучний інтелект входить до комплексу комп'ютерних наук, а створювані на її основі технології відносяться до інформаційних технологій. Завданням цієї науки є відтворення з допомогою обчислювальних систем та інших штучних механізмів розумних міркувань і процесів.

Критерії: що вважати штучним інтелектом?

Отже, термін «штучний інтелект» є надзвичайно неоднозначним, оскільки різним комбінаціям визначення, що відображають той чи інший підхід, відповідає певний технологічний рівень. Якимось розумінням терміну існуючі технології вже цілком відповідають, інші розуміння ІІ на цій стадії науково-технологічного прогресу залишаються у полі фантастики. Виникає природне питання про критерії: які властивості і здібності повинна мати програма справжнього штучного інтелекту? Але тут виявляється, що дистанція між критеріями велика.

Критерій очікування.Зараз досить багато інтелектуальних девайсів та різноманітного софту, який називають «розумним» чи «інтелектуальним». Це може бути і не надто складна електроніка, яка має набір режимів, що перемикаються автоматично, а також сенсори, датчики, алгоритми. Запропонувати користувачеві більше, ніж закладено, такий софт і пристрої не можуть. Але тут багато залежить від критерію очікування: чого ми чекаємо від штучного інтелекту, який вважатимемо «справжнім»? Ми сподіваємося створити за допомогою науки та технологій негуманоїдну особистість? Ми хочемо, щоб ІІ відкрив нам якісь таємниці Всесвіту, незбагненні для людини? Ми чекаємо на якийсь неймовірно потужний «думач», який дасть нам «відповідь на головне питання життя, Всесвіту і взагалі?»

З чим ми порівнюємо ступінь та своєрідність інтелектуальності того чи іншого пристрою/програми? Автоматична коробка передач цілком собі "інтелектуальна" в порівнянні з механічною, оскільки її "начинка" дозволяє без нашої участі "вирішувати", на яку швидкість перейти в даний момент. Можливо, це нас уже не вражає, але, строго кажучи, це диво техніки, яке б вважали містичним дивом кілька сотень років тому.

Вже зараз можна скачати у свій смартфон безкоштовне з інтелектуальною системою тестів, яка підлаштовується під конкретну людину та її завдання, враховує рівень підготовки та освоєння матеріалу, дозволяє конструювати індивідуальні тести. А самокеровані автомобілі на основі ІІ інтелектуальні, тому що напхані базами даних та сенсорами, які дозволяють бортовому комп'ютеру вибирати маршрут, визначати розмітку та перешкоди.

Будь-яка розвинена технологія не відрізняється від магії, як говорить один із трьох законів Кларка. Мозок людини, когнітивні здібності, людський інтелект і свідомість поки що теж є в якомусь сенсі магією, якщо ми говоримо про це в контексті кризової потреби нейронауки у проривній теорії. Але дрібними кроками ця "магія" розкладається на складові, які можна змінити: взяти хоча б знаменитий "нейрон Халле Беррі" (інструментальні дослідження в одному з експериментів дозволили виявити в мозку людини нейрон, який реагує на будь-яку згадку цієї актриси або її образ). Так що «магія» людського інтелекту все ж таки вимірюється і обчислюється певною мірою, і штучний інтелект, який до певної межі використовує принципи людського мислення або імітує його, - цілком реалізована задача. Але знову ж таки, що ми вважаємо інтелектом? Це може бути не лише людський інтелект. Якщо на те пішло, у нейронауці є концепція розподіленого мозку, який, як вважають дослідники, є у мурах, і саме він зумовлює їх надзвичайно складно влаштоване соціальне життя. А дельфінів нещодавно стали позиціонувати як негуманоїдних особистостей.

Критерій методу.Від критерію очікування переходимо до критерію способу. Якщо істинно інтелектуальною ми не вважаємо автоматику, яка багато вміє, але діє згідно з закладеними алгоритмами та обмеженнями, то виходить ось що: можливо, ми чекаємо від «істинного» ІІ людяності. Тут варто згадати, що сказав професор Оксфордського університету Девід Дойч: просто завантажити розум у комп'ютер - це ще не створити штучний інтелект, оскільки комп'ютер стане лише штучним субстратом для управління «природним» людським розумом. І Дойч не вважає це штучним інтелектом. Чи чекаємо ми від ІІ непередбачуваності, самостійності мислення та здатності винаходити нове, тобто створювати ідеї та знання, які не закладені нами за умовчанням? Чи очікуємо ми досконалості мислення насправді? Ключі від дверей, за якими починається епоха штучного інтелекту, знаходяться в руках філософів і неврологів. Проблема ІІ як науки в тому, що філософи та неврологи всього світу та всіх часів поки не дійшли єдиного розуміння інтелекту та мислення. Більше того, взагалі є сумніви: чи можна застосовувати поняття інтелекту щодо машин та чи обов'язкові для інтелекту психіка, ірраціональний елемент та емоції?

Тут першому плані виходить емпіричний тест Алана Тьюринга, запропонований ще 1950 року у філософському журналі Mind у статті «Обчислювальні машини і розум» («Computing Machinery and Intelligence»). Ціль тесту Тьюринга - визначення можливості штучного мислення, близького до людського. Стандартне формулювання таке: «Людина взаємодіє з одним комп'ютером та однією людиною. На підставі відповідей на запитання він має визначити, з ким розмовляє: з людиною чи комп'ютерною програмою. Завдання комп'ютерної програми - ввести людину в оману, змусивши зробити невірний вибір. Усі учасники тесту не бачать один одного. При цьому виходить, що машина повинна імітувати не лише раціональність, а й нераціональність мислення та поведінки людини.

Т'юрінг прогнозував, що машини все ж таки навчаться думати в буквальному сенсі і пройдуть цей тест. Велику наукову ставку він робив на машинне навчання: Т'юрінг припускав, що воно стане ключовою ланкою у побудові надпотужних комп'ютерів. І цей підхід зараз знаходить схвалення серед фахівців з ІІ. Футуролог Реймонд Курцвейл вважає, що тест Тьюринга буде пройдено між 2020-м та 2030-м роками. Вже зараз на успіх претендує програма «Штучна лінгвістична інтернет-комп'ютерна істота» (Artificial Linguistic Internet Computer Entity – A.L.I.C.E.). Це віртуальний співрозмовник, здатний вести діалог з людиною природною мовою. Три рази A.L.I.C.E. здобувала бронзову нагороду у конкурсі премії Лебнера, яка є платформою для проведення тесту Тьюринга. Золоту та срібну нагороду ще не отримувала жодна ІІ-програма. Софт Jabberwacky відстає лише трохи, він отримав бронзову нагороду двічі. Назва цієї ІІ-програми - гра зі словом jabberwocky, яке означає «рифмоване безглуздя, абракадабра». Це авторський неологізм із книги Льюїса Керролла «Задзеркалля». Хочете поспілкуватися з ІІ Jabberwacky? Це можна зробити прямо зараз на сайті Jabberwacky.Com, якщо ви говорите по-англійськи. Jabberwacky дотепно жартує, граючи вашими словами: ілюзія того, що ви чатуєтеся з розумною істотою, досить сильна. Ті, хто чатувався наприкінці 90-х, отримають приблизно ті самі емоції.

Експеримент Zillion. Фрагмент спілкування з ІІ-програмою Jabberwacky: програма, що самонавчається - намагається трактувати слова співрозмовника і релевантно реагувати на них. Іноді виходить цікава напівфілософська смислова гра, але часом ланцюжка відповідей у ​​такому стилі заводять Jabberwackyдалеко: до пропозиції одружитися та натяку на військові плани щодо людства.

Критерій здатності до самонавчання.І тут ми переходимо до наступного критерію оцінки програми як справжнього штучного інтелекту – йдеться про здатність до навчання. Існує таке окреме визначення інтелекту, загальне для людини і машини: «Інтелект - це здатність системи створювати в ході самонавчання програми для вирішення завдань та вирішувати ці завдання». Що є той же Jabberwacky? Чи хто? Це програма, здатна до навчання. Зокрема вона вміє імітувати стиль спілкування людини, з якою поспілкувалася перед тестом. Це може пояснювати і питання на кшталт "Will you marry me?", І специфічний тон спілкування.

Експеримент Zillion. Спілкування з "Штучною лінгвістичною інтернет-комп'ютерною істотою" (Artificial Linguistic Internet Computer Entity - A.L.I.C.E.).

ІІ-чатботи A.L.I.C.E. та Jabberwacky спілкуються один з одним через месенджер.

ІІ: сильний та слабкий

Всі варіанти ІІ, які можна описати через ці критерії, укладаються в теорії сильного ІІ і слабкого ІІ. Прибічники концепції слабкого ІІ розглядають такі програми лише як інструмент на вирішення деяких завдань, які потребують повноти когнітивних здібностей людини.

Концепція сильного штучного інтелекту будується навколо гіпотези Ньюелла-Саймона, яка передбачає, що «фізична символьна система має необхідні й достатні кошти на створення базових інтелектуальних дій, у сенсі». Без символьних обчислень неможливі осмислені події. Сама здатність виконувати символьні обчислення достатня виникнення здатності до виконання осмислених дій. Більшість досліджень ІІ йде шляхом створення символьних систем. А символьні обчислення – це програмування.

За концепцією сильного ІІ деякі форми дійсно здатні мислити, усвідомлювати себе і вирішувати завдання. У цьому їх розумовий процес необов'язково влаштований як і, як в людини. Теорія слабкого ІІ такої можливості не допускає. Джон Серль, який запропонував концепцію сильного ІІ, вважає, що це буде не модель розуму, а безпосередньо розум. На сьогодні у дослідників є домовленість про те, які властивості мають сильний ІІ та слабкий ІІ.

Сильний ІІ - це прийняття рішень, використання стратегій, вирішення головоломок та дії в умовах невизначеності, уявлення знань, навчання, загальне уявлення про реальність, планування, спілкування природною мовою, свідомість, сприйнятливість до оточення, усвідомлення себе як окремої особистості, розуміння власних думок , співпереживання, мудрість - і об'єднання всіх цих здібностей задля досягнення цілей. У наш час робота над такими програмами вже ведеться. При цьому в полі невизначеності знову ж таки знаходяться кілька найважливіших питань. Все це значуще для людей, але чи це необхідно для машинного інтелекту? Чи цього достатньо для справжнього штучного розуму? І чи можуть такі властивості, як співпереживання виникати автоматично при досягненні якогось рівня інтелекту?

ІІ: 4 підходи + інструменти

Підсумовуючи всі питання, ідеї та парадигми, виділяють кілька підходів до створення ІІ:

1. Top-Down AI: низхідний, семіотичний підхід.Мова про створення експертних систем, баз знань та систем логічного висновку, які імітують високорівневі психічні процеси, такі як міркування, емоції, творчість, мовлення, мислення загалом. До низхідного спектру підходів відносяться:

• Логічний підхідВін ґрунтується на моделюванні міркувань з використанням логіки як теоретичної основи.
• Символьний підхідОсобливість символьних обчислень – створення нових правил у процесі виконання програми. Неінтелектуальні системи не здатні до цього.
• Агентно-орієнтований підхід.Акцент робиться на виживання у навколишньому середовищі, пошук шляху, прийняття рішень та виконання завдань. Це підхід, який розвивається з початку 1990-х і ґрунтується на використанні інтелектуальних (раціональних) агентів. Інтелект у разі трактується як обчислювальна частина, планування здатності досягати поставлених перед інтелектуальної машиною цілей. ІІ-машина сприймає навколишнє середовище через датчики та впливає на об'єкти за допомогою виконавчих механізмів.

  2. Bottom -Up AI: висхідний, біологічний підхід.Він включає вивчення нейронних мереж і еволюційних обчислень, які моделюють інтелектуальну поведінку на основі біологічних елементів. До цього напряму належить робота над нейрокомп'ютером чи біокомп'ютером. Біологічне моделювання ІІ обґрунтовано тим, що штучні системи так чи інакше повторюють структуру та функції біологічних систем, у яких поведінка, здатність до навчання та адаптація обумовлені біологічними особливостями. До Bottom-Up AI відносяться:

  • Робота над нейронними мережами.
  • Генетичний підхідВін заснований на ідеї, що алгоритм стане більш ефективним, запозичивши кращі характеристики у «батьківських» алгоритмів.

  3. Гібридний підхід.Це синергетична комбінація нейронних та символьних моделей, яка, як припускають дослідники, наділить ІІ гармонійним спектром когнітивних та обчислювальних можливостей. Правила висновків у такої ІІ-програми генеруватимуться нейронними мережами, а породжувальні правила будуть створюватися через статистичне навчання. Ця концепція вважається однією з найперспективніших.

  4. Це той принципово новий підхід, про який сказав в інтерв'ю фізик Девід Дойч, але який ще належить відкрити.

  Інструментарій створення та навчання ІІ великий:

  • Робота з природними мовами:аналіз можливостей розуміння, генерація текстів мовою людини, глибокий аналіз тексту, машинний переклад, інформаційний пошук.
  • Символьне моделювання розумових процесів:створення символьних систем, моделювання міркувань, підтвердження теорем, прийняття рішень, прогнозування, планування, теорія ігор.
  • Машинне навчання:навчання без вчителя (розпізнавання образів у вхідному потоці) та навчання з вчителем (класифікація та аналіз).
  • Подання та використання знань:отримання знань із простої інформації, їх систематизація та використання, створення експертних систем (програм, які використовують бази знань для отримання знань з різних питань); виробництво знань із даних на основі нейромережевої технології, вербалізації нейронних мереж.

  Тема штучного інтелекту на цьому далеко не вичерпана: стежте за оновленнями Zillion.

Штучний інтелект

Штучний інтелект[англ. Artificial intelligence (AI)] - розділ інформатики, що вивчає можливість забезпечення розумних міркувань та дій за допомогою обчислювальних систем та інших штучних пристроїв.
При цьому в більшості випадків наперед невідомий алгоритм розв'язання задачі.
Перші дослідження, що відносяться до штучного інтелекту, були здійснені майже відразу після появи перших обчислювальних машин.
У 1910-13 pp. Бертран Рассел та Alfred North Whitehead опублікували роботу "Принципи математики", яка зробила революцію у формальній логіці. У 1931 р. Курт Гедель показав, що досить складна формальна система містить твердження, які не можна ні довести ні спростувати у межах цієї системи. Таким чином, система ІІ, яка встановлює істинність всіх тверджень, виводячи їх з аксіом, не може довести ці твердження. Оскільки люди можуть "побачити" істинність таких тверджень, ІІ став розглядатися як щось другорядне. У 1941 р. Конрад Цузе побудував перший працюючий програмно-контрольований комп'ютер. Уоррен Маккалок та Walter Pitts у 1943 р. опублікували A Logical Calculus of Ideas Immanent in Nervous Activity, який заклав основи нейронних мереж.
У 1954 р. американський дослідник А. Ньюел (A. Newel) вирішив написати програму для гри в шахи. Цією ідеєю він поділився з аналітиками корпорації "РЕНД" (RAND Corporation, www.rand.org) Дж. Шоу (J.Show) та Г.Саймоном (H.Simon), які запропонували Ньюеллу свою допомогу. Як теоретичну основу такої програми було вирішено використовувати метод, запропонований у 1950 р. Клодом Шенноном (C.E. Shannon), засновником теорії інформації. Точна формалізація цього методу була виконана Аланом Т'юрінгом (Alan Turing). Він же промоделював його вручну. До роботи було залучено групу голландських психологів під керівництвом А. Де Гроота (A. de Groot), які вивчали стилі гри видатних шахістів. Через два роки спільної роботи цим колективом було створено мову програмування ІПЛ1 - мабуть першу символьну мову обробки списків. Незабаром була написана і перша програма, яку можна віднести до досягнень у галузі штучного інтелекту. Це була програма "Логік-Теоретик" (1956), призначена для автоматичного доказу теорем у обчисленні висловлювань.
Власне ж програма для гри в шахи, NSS, була завершена в 1957 р. В основі її роботи лежали так звані евристики (правила, які дозволяють зробити вибір за відсутності точних теоретичних підстав) та опису цілей. Керуючий алгоритм намагався зменшити різницю між оцінками поточної ситуації та оцінками мети чи однієї з подцелей.
У 1960 р. тією самою групою, з урахуванням принципів, використаних у NSS, було написано програму, що її творці назвали GPS (General Problem Solver)- універсальний решатель завдань. GPS могла справлятися з низкою головоломок, обчислювати невизначені інтеграли, вирішувати деякі інші завдання. Ці результати привернули увагу фахівців у галузі обчислень. З'явилися програми автоматичного доказу теорем із планіметрії та розв'язання алгебраїчних завдань (сформульованих англійською мовою).
Джона Маккарті (J. McCarty) зі Стенфорда зацікавили математичні основи цих результатів та взагалі символьних обчислень. В результаті в 1963 р. ним було розроблено мову ЛІСП (LISP, від List Processing), основу якого склало використання єдиного спискового уявлення для програм та даних, застосування виразів для визначення функцій, дужковий синтаксис.
До досліджень у галузі штучного інтелекту стали виявляти інтерес та логіки. У тому ж 1964 р. була опублікована робота ленінградського логіка Сергія Маслова "Зворотний метод встановлення виведення в класичному обчисленні предикатів", в якій вперше пропонувався метод автоматичного пошуку доказу теорем у обчисленні предикатів.
Через рік пізніше (1965 р.) США з'являється робота Дж.А.Робинсона (J.A.Pobinson) , присвячена дещо іншому методу автоматичного пошуку докази теорем у обчисленні предикатів першого порядку. Цей метод був названий методом резолюцій і став відправною точкою для створення нової мови програмування з вбудованою процедурою логічного висновку - мови Пролог (PROLOG) у 1971 році.
У 1966 році в СРСР Валентином Турчин був розроблений мову рекурсивних функцій Рефал, призначений для опису мов і різних видів їх обробки. Хоча він і був задуманий як алгоритмічна метамова, але для користувача це була, подібно до ЛІСП і Прологу, мова обробки символьної інформації.
Наприкінці 60-х років. з'явилися перші ігрові програми, системи для елементарного аналізу тексту та вирішення деяких математичних завдань (геометрії, інтегрального обчислення). У складних перебірних проблемах, що виникали при цьому, кількість варіантів, що перебираються, різко знижувалася застосуванням всіляких евристик і "здорового глузду". Такий підхід почали називати евристичним програмуванням. Подальший розвиток евристичного програмування йшло шляхом ускладнення алгоритмів і поліпшення евристик. Однак незабаром стало зрозуміло, що існує певна межа, за якою ніякі покращення евристик та ускладнення алгоритму не підвищать якості роботи системи та, головне, не розширять її можливостей. Програма, яка грає в шахи, ніколи не гратиме у шашки чи карткові ігри.
Поступово дослідники почали розуміти, що всім раніше створеним програмам бракує найважливішого - знань у відповідній галузі. Фахівці, вирішуючи завдання, досягають високих результатів завдяки своїм знанням та досвіду; якщо програми будуть звертатися до знань та застосовувати їх, то вони також досягнуть високої якості роботи.
Це розуміння, що виникло на початку 70-х років, по суті, означало якісний стрибок у роботах з штучного інтелекту.
Основні міркування щодо цього висловив у 1977 р. на 5-й Об'єднаній конференції з штучного інтелекту американський вчений Е.Фейгенбаум (E.Feigenbaum).
Вже до середини 70-х років. з'являються перші прикладні інтелектуальні системи, використовують різні способи представлення знань на вирішення завдань - експертні системи. Однією з перших була експертна система DENDRAL, розроблена в університеті Станфорду і призначена для породження формул хімічних сполук на основі спектрального аналізу. В даний час DENDRAL поставляється покупцям разом із спектрометром. Система Mycin призначена для діагностики та лікування інфекційних захворювань крові. Система PROSPECTOR прогнозує поклади з корисними копалинами. Є відомості про те, що з її допомогою було відкрито поклади молібдену, цінність яких перевищує 100 мільйонів доларів. Система оцінки якості води, реалізована на основі російської технології SIMER + MIR кілька років тому, причини перевищення гранично допустимих концентрацій забруднюючих речовин у Москві-ріці в районі Срібного Бору. Система CASNET призначена для діагностики та вибору стратегії лікування глаукоми тощо.
В даний час розробка та реалізація експертних систем виділилася в самостійну інженерну галузь. Наукові ж дослідження зосереджені у низці напрямів, деякі з яких перераховані нижче.
Теорією явно не визначено, що саме вважати необхідними та достатніми умовами досягнення інтелектуальності. Хоча щодо цього існує низка гіпотез, наприклад, гіпотеза Ньюелла-Саймона. Зазвичай реалізації інтелектуальних систем підходять саме з погляду моделювання людської інтелектуальності. Таким чином, у рамках штучного інтелекту розрізняють два основні напрямки:
■ символьне (семіотичне, низхідне) засноване на моделюванні високорівневих процесів мислення людини, на представленні та використанні знань;
■ нейрокібернетичне (нейросєтьове, висхідне) засноване на моделюванні окремих низькорівневих структур мозку (нейронів).
Таким чином, надзавданням штучного інтелекту є побудова комп'ютерної інтелектуальної системи, яка мала б рівень ефективності рішень неформалізованих завдань, порівнянним з людським або перевершуючим його.
Найчастіше використовувані при побудові систем штучного інтелекту парадигми програмування – функціональне програмування та логічне програмування. Від традиційних структурного та об'єктно-орієнтованого підходів до розробки програмної логіки вони відрізняються нелінійним висновком рішень та низькорівневими засобами підтримки аналізу та синтезу структур даних.
Можна виділити дві наукові школи з різними підходами до проблеми ІІ: Конвенційний ІІ та Обчислювальний ІІ.
У конвенційному ІІголовним чином використовуються методи машинного самонавчання, засновані на формалізмі та статистичному аналізі.
Методи конвенційного ІІ:
■ Експертні системи: програми, які, діючи за певними правилами, обробляють велику кількість інформації, і в результаті видають висновок на її основі.
■ Міркування на основі аналогічних випадків (Case-based reasoning).
■ Байєсівські мережі - це статистичний метод виявлення закономірностей у даних. Для цього використовується первинна інформація, що міститься в мережевих структурах або в базах даних
■ Поведінковий підхід: модульний метод побудови систем ІІ, у якому система розбивається кілька порівняно автономних програм поведінки, які запускаються залежно від змін довкілля.
Обчислювальний ІІпередбачає ітеративну розробку та навчання (наприклад, підбір параметрів у мережі зв'язків). Навчання засноване на емпіричних даних та асоціюється з не-символьним ІІ та м'якими обчисленнями.
Основні методи обчислювального ІІ:
■ Нейронні мережі: системи із відмінними здібностями до розпізнавання.
■ Нечіткі системи: методики для міркувань в умовах невизначеності (широко використовуються в сучасних промислових та споживчих системах контролю)
■ Еволюційні обчислення: тут застосовуються поняття традиційно які стосуються біології такі як населення, мутація і відбір до створення кращих рішень завдання. Ці методи поділяються на еволюційні алгоритми (наприклад, генетичні алгоритми) та методи роєвого інтелекту (наприклад, мурашиний алгоритм).
У рамках гібридних інтелектуальних систем намагаються об'єднати два ці напрями. Експертні правила висновків можуть генеруватися нейронними мережами, а породжувальні правила отримують за допомогою статистичного навчання.
Перспективні напрямки штучного інтелекту.
Методи CBR (моделювання міркувань з урахуванням прецедентів) вже застосовують у безлічі прикладних завдань - у медицині, управлінні проектами, для аналізу та реорганізації середовища, розробки товарів масового попиту з урахуванням переваг різних груп споживачів, тощо. Слід очікувати додатків методів CBR для завдань інтелектуального пошуку інформації, електронної комерції (пропозиція товарів, створення віртуальних торгових агентств), планування поведінки у динамічних середовищах, компонування, конструювання, синтез програм.
Крім того, слід очікувати все більшого впливу ідей та методів (ІІ) на машинний аналіз текстів (АТ) природною мовою. Цей вплив, швидше за все, торкнеться семантичного аналізу та пов'язаних з ним методів синтаксичного аналізу - у цій галузі він проявиться в обліку моделі світу на заключних стадіях семантичного аналізу та використання знань про предметну область та ситуативну інформацію для зменшення переборів на більш ранніх стадіях (наприклад, при побудові дерев синтаксичного розбору).
Другий "канал зв'язку" ІІ та АТ - використання методів машинного навчання в АТ; третій "канал" - використання міркувань на основі прецедентів та міркувань на основі аргументації для вирішення деяких завдань АТ, наприклад задач зменшення шуму та підвищення ступеня релевантності пошуку.
До одного з найважливіших і перспективних напрямів у штучному інтелекті слід віднести завдання автоматичного планування поведінки. Область застосування методів автоматичного планування - різні пристрої з високим ступенем автономності та цілеспрямованою поведінкою, від побутової техніки до безпілотних космічних кораблів для дослідження глибокого космосу.

Використовувані джерела
1. Стюарт Рассел, Пітер Норвіг "Штучний інтелект: сучасний підхід (AIMA)", 2-ге видання: Пер. з англ. - М: Видавничий дім "Вільямс", 2005.-1424 стор з іл.
2. Джордж Ф. Люгер "Штучний інтелект: стратегії та методи вирішення", 4-е видання: Пер. з англ. - М: Видавничий дім "Вільямс", 2004.
3. Геннадій Осипов, президент Російської асоціації штучного інтелекту, постійний член Європейського координаційного комітету зі штучного інтелекту (ECCAI), д.ф.-м.н., професор "Штучний інтелект: стан досліджень та погляд у майбутнє".

Штучний інтелект

Штучний інтелект(ІІ, від англ. Artificial intelligence, AI) - наука та технологія створення інтелектуальних машин, особливо інтелектуальних комп'ютерних програм.

ІІ пов'язані з подібним завданням використання комп'ютерів розуміння людського інтелекту, але з обов'язково обмежується біологічно правдоподібними методами.

ІІ це науковий напрямок, який розробляє методи, що дозволяють електронно-обчислювальній машині вирішувати інтелектуальні завдання, якщо вони вирішуються людиною. Поняттям "штучний інтелект" позначають функціональні можливості машини вирішувати людські завдання. Штучний інтелект спрямовано підвищення ефективності різних форм розумової праці людини.

Найбільш поширена форма штучного інтелекту – це комп'ютер, запрограмований на відповіді з якоїсь певної теми. Такі "експертні системи" мають людську здатність виконувати аналітичну роботу експерта. Аналогічний текстовий процесор може виявляти орфографічні помилки, їх можна "навчати" новим словам. До цієї наукової дисципліни тісно примикає інша, предмет якої іноді називають "штучне життя". Вона займається інтелектом нижчого рівня. Наприклад, робота можна запрограмувати на орієнтування тумані, тобто. надати йому здатність фізичної взаємодії з довкіллям.

Термін "штучний інтелект" вперше був запропонований на семінарі з аналогічною назвою в Дартсмутському коледжі в США в 1956 р. Надалі різними вченими були дані наступні визначення штучного інтелекту:

ІІ - галузь інформатики, що з автоматизацією інтелектуального поведінки;

ІІ - це наука про обчислення, які уможливлюють сприйняття, логічний висновок і дію;

ІІ - це інформаційна технологія, пов'язана з процесами логічного висновку, навчання та сприйняття.

Історія штучного інтелекту як нового наукового спрямування починається в середині XX ст. До цього часу вже було сформовано безліч передумов його зародження: серед філософів давно йшли суперечки про природу людини та процес пізнання світу, нейрофізіологи та психологи розробили ряд теорій щодо роботи людського мозку та мислення, економісти та математики задавалися питаннями оптимальних розрахунків та уявлення знань про світ у формалізованому вигляді; нарешті, зародився фундамент математичної теорії обчислень – теорії алгоритмів – і було створено перші комп'ютери.

Основною проблемою штучного інтелекту є розробка методів представлення та опрацювання знань.

До програм штучного інтелекту відносяться:

Ігрові програми (стохастичні, комп'ютерні ігри);

Природно-мовні програми – машинний переклад, генерація текстів, обробка мови;

Розпізнавальні програми – розпізнавання почерків, зображень, карт;

Програми створення та аналізу графіки, живопису, музичних творів.

Виділяються такі напрями штучного інтелекту:

Експертні системи;

Нейронні мережі;

Природно-мовні системи;

Еволюційні методи та генетичні алгоритми;

Нечіткі множини;

Системи отримання знань.

Експертні системи орієнтовані рішення конкретних завдань.

Нейронні мережі реалізують нейромережеві алгоритми.

Поділяються на:

Мережі загального призначення, які підтримують близько 30 нейромережевих алгоритмів та налаштовуються на вирішення конкретних завдань;

Об'єктно-орієнтовані - використовувані для розпізнавання символів, управління виробництвом, передбачення ситуацій на валютних ринках,

Гібридні - використовуються разом із певним програмним забезпеченням (Excel, Access, Lotus).

Природно-мовні (ЕЯ) системи поділяються на:

Програмні продукти природного мовного інтерфейсу в БД (подання природно-мовних запитів до SQL-запитів);

Природно-мовний пошук у текстах, змістовне сканування текстів (використовується пошукових системах Internet, наприклад, Google);

Масштабовані засоби розпізнавання мови (портативні синхронні перекладачі);

Компоненти мовної обробки як сервісні засоби програмного забезпечення (ОС Windows XP).

Нечіткі множини - реалізують логічні відносини між даними. Ці програмні продукти використовуються для управління економічними об'єктами, побудови експертних систем та систем підтримки прийняття рішень.

Генетичні алгоритми – це методи аналізу даних, які неможливо проаналізувати стандартними методами. Як правило, використовуються для обробки більших обсягів інформації, побудови прогнозних моделей. Використовуються з науковою метою при імітаційному моделюванні.

Системи отримання знань - використовуються для обробки даних з інформаційних сховищ.

Деякі з найвідоміших ІІ-систем:

Deep Blue- переміг чемпіона світу з шахів. Матч Каспаров проти суперЕОМ не приніс задоволення ні комп'ютерникам, ні шахістам, і система була визнана Каспаровим. Потім лінія суперкомп'ютерів IBM виявилася в проектах brute force BluGene (молекулярне моделювання) та моделювання системи пірамідальних клітин у швейцарському центрі Blue Brain.

Watson- Перспективна розробка IBM, здатна сприймати людську мову і проводити ймовірнісний пошук, із застосуванням великої кількості алгоритмів. Для демонстрації роботи Watson взяв участь в американській грі "Jeopardy!", аналога "Своєї гри" у Росії, де системі вдалося виграти в обох іграх.

MYCIN- одна з ранніх експертних систем, яка могла діагностувати невеликий набір захворювань, причому часто так само точно, як і лікарі.

20Q- проект, що ґрунтується на ідеях ІІ, за мотивами класичної гри "20 питань". Став дуже популярним після появи в Інтернеті на сайті 20q.net.

Розпізнавання мови. Системи, такі як ViaVoice, здатні обслуговувати споживачів.

Роботи у щорічному турнірі RoboCup змагаються у спрощеній формі футболу.

Банки застосовують системи штучного інтелекту (СІІ) у страховій діяльності (актуарна математика), при грі на біржі та управлінні власністю. Методи розпізнавання образів (включаючи як складніші та спеціалізовані, так і нейронні мережі) широко використовують при оптичному та акустичному розпізнаванні (у тому числі тексту та мовленні), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також задля забезпечення низки інших завдань національної безпеки.

Розробники комп'ютерних ігор застосовують ІІ тією чи іншою мірою опрацьованості. Це утворює поняття "Ігровий штучний інтелект". Стандартними завданнями ІІ в іграх є знаходження шляху у двовимірному чи тривимірному просторі, імітація поведінки бойової одиниці, розрахунок правильної економічної стратегії тощо.

Найбільші наукові та дослідні центри в галузі штучного інтелекту:

Сполучені Штати Америки (Масачусетський технологічний інститут);

Німеччина (Німецький дослідницький центр із штучного інтелекту);

Японія (Національний інститут сучасної промислової науки та технології (AIST));

Росія (Наукова рада з методології штучного інтелекту Російської академії наук).

Сьогодні за рахунок досягнень у галузі штучного інтелекту створено велику кількість наукових розробок, що суттєво спрощує життя людей. Розпізнавання мови або відсканованого тексту, вирішення обчислювально складних завдань за короткий час та багато іншого - все це стало доступним завдяки розвитку штучного інтелекту.

Заміна людини-фахівця на системи штучного інтелекту, зокрема на експертні системи, зрозуміло, там, де це припустимо, дозволяє суттєво прискорити та здешевити процес виробництва. Системи штучного інтелекту завжди об'єктивні і результати їхньої роботи не залежать від моментного настрою та низки інших суб'єктивних факторів, які притаманні людині. Але, незважаючи на все сказане вище, не варто мати сумнівні ілюзії і сподіватися, що в найближчому майбутньому працю людини вдасться замінити роботою штучного інтелекту. Досвід показує, що на сьогоднішній день системи штучного інтелекту досягають найкращих результатів, функціонуючи разом із людиною. Адже саме людина, на відміну від штучного інтелекту, вміє мислити нестандартно та творчо, що дозволяло їй розвиватися та йти вперед упродовж усієї його епохи.

Використовувані джерела

1. www.aiportal.ru

3. ru.wikipedia.org

Нова еволюційна стратегія людства

Створення інтелектуальних машин, особливо інтелектуальних комп'ютерних програм ; 2) властивість інтелектуальних систем виконувати творчі функції, які традиційно вважаються прерогативою людини.

ІІ пов'язаний із подібним завданням використання комп'ютерів для розуміння людського інтелекту, але не обов'язково обмежується біологічно правдоподібними методами.

Походження та розуміння терміна «штучний інтелект»

Процитоване в преамбулі визначення штучного інтелекту, дане Джоном Маккарті в 1956 на конференції в Дартмутском університеті, не пов'язане безпосередньо з розумінням інтелекту в людини. Згідно з Маккарті, ІІ-дослідники вільні використовувати методи, які не спостерігаються у людей, якщо це необхідно для вирішення конкретних проблем .

Учасники Російської асоціації штучного інтелекту дають такі визначення штучного інтелекту:

1. Науковий напрямок, у якого ставляться і вирішуються завдання апаратного чи програмного моделювання тих видів людської діяльності, які традиційно вважаються інтелектуальними Аверкін А. Н., Гаазе-Рапопорт М. Г., Поспєлов Д. А. Тлумачний словник зі штучного інтелекту. - М: Радіо і зв'язок, 1992. - 256 с..
2. Властивість інтелектуальних систем виконувати функції (творчі), які традиційно вважаються прерогативою людини. У цьому інтелектуальна система - це технічна чи програмна система, здатна вирішувати завдання, які традиційно вважаються творчими, належать конкретної предметної області, знання про яку зберігаються у пам'яті такої системи. Структура інтелектуальної системи включає три основні блоки - базу знань, вирішувач та інтелектуальний інтерфейс, що дозволяє спілкуватися з ЕОМ без спеціальних програм для введення даних .
3. Наука під назвою «Штучний інтелект» входить до комплексу комп'ютерних наук, а створювані на її основі технології до інформаційних технологій. Завданням цієї науки є відтворення за допомогою обчислювальних систем та інших штучних пристроїв розумних міркувань та дій Г. С. Осипов. Штучний інтелект: стан досліджень та погляд у майбутнє.

Одне з окремих визначень інтелекту, загальне для людини і «машини», можна сформулювати так: «Інтелект - здатність системи створювати в ході самонавчання програми (насамперед евристичні) для вирішення завдань певного класу складності та вирішувати ці завдання» Ільясов Ф. Н. Розум штучний та природний // Известия АН Туркменської РСР, серія суспільних наук. 1986. № 6. С. 46-54..

Передумови розвитку науки штучного інтелекту

Історія розвитку штучного інтелекту в СРСР та Росії

У СРСР роботи в галузі штучного інтелекту розпочалися у 1960-х роках . У Московському університеті та Академії наук було виконано ряд піонерських досліджень, очолених Веніаміном Пушкіним та Д. А. Поспєловим. З початку 1960-х М. Л. Цетлін із колегами розробляли питання, пов'язані з навчанням кінцевих автоматів.

У 1964 році була опублікована робота ленінградського логіка Сергія Маслова «Зворотний метод встановлення виведення в класичному обчисленні предикатів», в якій вперше пропонувався метод автоматичного пошуку доказу теорем у обчисленні предикатів.

До 1970-х років у СРСР всі дослідження ІІ велися в рамках кібернетики. На думку Д. А. Поспелова, науки «інформатика» та «кібернетика» були в цей час змішані, через низку академічних суперечок. Тільки наприкінці 1970-х у СРСР починають говорити про науковий напрямок «штучний інтелект» як розділ інформатики. При цьому народилася і сама інформатика, підкоривши собі прабатьку «кібернетику». Наприкінці 1970-х створюється тлумачний словник із штучного інтелекту, тритомний довідник із штучного інтелекту та енциклопедичний словник з інформатики, в якому розділи «Кібернетика» та «Штучний інтелект» входять поряд з іншими розділами до складу. Термін «інформатика» у 1980-ті роки набуває широкого поширення, а термін «кібернетика» поступово зникає зі звернення, зберігшись лише в назвах тих інститутів, які виникли в епоху «кібернетичного буму» кінця 1950-х – початку 1960-х років Д. А. Поспєлов. Становлення інформатики у Росії. Такий погляд на штучний інтелект, кібернетику та інформатику поділяється не всіма. Це з тим, що у країнах кордону даних наук дещо відрізняються