Опубликован: 29.06.2010 | Доступ: свободный | Студентов: 1946 / 290 | Оценка: 4.28 / 3.97 | Длительность: 08:07:00
Специальности: Историк
Лекция 4:

История развития искусственного интеллекта

< Лекция 3 || Лекция 4: 123 || Лекция 5 >

4.3. Может ли знание храниться вне мозга?

Оптимисты утверждают, что знание может храниться вне мозга. Их доводы таковы:

  1. познание как процесс поддаётся формализации;
  2. интеллект можно измерить (коэффициент умственного развития IQ - intelligence quotient1Термин ввёл в научный обиход В. Штерн (1911 г.) по методике расчёта А. Бине (1903 г.)., объём памяти, реактивность психики и др.);
  3. к знанию применимы информационные меры (бит, байт и др.). Пессимисты считают, что искусственный интеллект не способен хранить знание, так как он - всего лишь имитация мышления. Пессимисты полагают, что человеческий интеллект уникален, что творчество не поддаётся формализации, мир цел и неделим на информационные дискреты, что образность мышления человека гораздо богаче логического мышления машин и т.д.

Кто прав в этом споре, покажет время. Отметим только, что память машины хранит то, что в неё записано, а это могут быть не только знания как высшая форма информации, но и просто данные, которые могут содержать знания, дезинформацию и информационный шум (см. "История развития информатики. Развитие представлений об информации. На пути к информационному обществу" ). Чтобы из данных извлечь знания, машина подобно человеку должна поставить цель ("что я хочу знать?") и согласно этой цели отбирать ценную информацию (ведь хранят ценности, а не всё, что попало). Сможет ли искусственный интеллект сам формулировать приемлемые цели и осуществлять искусственный отбор ценной информации под эти цели - очередная проблема теории и практики искусственного интеллекта. Пока эту работу выполняет человек - в экспертных системах, в программировании роботов, в АСУТП и т.п. Свободные машины (см. выше) должны будут выполнять эту работу сами. При этом обозначенная проблема может обостриться из-за того, что в сетях, откуда машины "скачивают" знания, может оказаться много "мусора" и губительных вирусов.

4.4. История развития идей искусственного интеллекта и их реализаций

Впервые идеи создания искусственного интеллекта возникли в XVII в. (Б. Спиноза, Р. Декарт, Г.В. Лейбниц и др.). Речь идёт именно об искусственном интеллекте, а не о механических куклах, уже известных в ту пору. Основоположники теории искусственного интеллекта были, естественно, оптимистами - они верили в реализуемость своей идеи:

Нам говорят: безумец и фантаст,
Но выйдя из зависимости грустной,
С годами мозг мыслителя искусный
Мыслителя искусственно создаст.
(И.В. Гёте, XVIII-XIX вв.; перевод Б. Пастернака)

По психологическому закону сохранения ("сумма удовольствий и страданий равна нулю") тут же появились пессимисты (Ф. Бэкон, Дж. Локк и др.), которые посмеивались над оптимистами: "Ай, бросьте!". Но любая идея в науке, однажды возникнув, продолжает жить, несмотря на препоны.

Идея искусственного интеллекта стала обретать реальные черты лишь во второй половине XX в., особенно с изобретением компьютеров и "интеллектуальных роботов". Для реализации идеи потребовались также прикладные разработки в математической логике, программировании, когнитивной психологии, математической лингвистике, нейрофизиологии и других дисциплинах, развивающихся в кибернетическом русле взаимосвязи организмов и машин по управляющим и коммуникативным функциям. Само название "искусственный интеллект" возникло в конце 60-х гг. XX в., а в 1969 г. состоялась Первая Всемирная конференция по искусственному интеллекту (Вашингтон, США).

Вначале искусственный интеллект развивался в так называемом аналитическом (функциональном) направлении, при котором машине предписывалось выполнять частные интеллектуальные задачи творческого характера (игры, перевод с одного языка на другой, живопись и др.).

Позже возникло синтетическое (модельное) направление, согласно которому предпринимались попытки моделировать творческую деятельность мозга в общем смысле, "не размениваясь" на частные задачи. Конечно, это направление оказалось более трудным в реализации, чем функциональное направление. Объектом исследования модельного направления стали метапроцедуры человеческого мышления. Метапроцедуры творчества - это не сами процедуры (функции) интеллектуальной деятельности, а способы создания таких процедур, способы научиться новому виду интеллектуальной деятельности. В этих способах, вероятно, и скрыто то, что можно назвать интеллектом. Наличие метапроцедур мышления отличает истинный интеллект от кажущегося, поэтому реализация машинными средствами метапроцедур творчества стала чуть ли не основной задачей модельного направления. Не что, а как изобретаешь, как решаешь творческую задачу, как обучаешься (самообучаешься) новому? - вот вопросы, заложенные в реализацию моделей человеческого творческого мышления.

В рамках модельного направления нашли развитие, в основном, две модели интеллекта. Хронологически первой была лабиринтная модель, реализующая целенаправленный поиск в лабиринте альтернативных путей к решению задачи с оценкой успеха после каждого шага или с позиций решения задачи в целом. Иными словами, лабиринтная модель сводится к перебору возможных вариантов (по аналогии с перебором вариантов выхода из лабиринта). Успех (или неудачу) в выборе того или иного варианта можно оценивать на каждом шаге (то есть непосредственно после выбора), не предвидя окончательного результата решения задачи, или, наоборот, выбор варианта на каждом шаге производить, исходя из окончательного результата. Например, возьмем шахматы. Можно оценивать результат каждого хода по непосредственному выигрышу или проигрышу после этого хода (выигрышу или потере фигур, получению позиционного преимущества и т.д.), не задумываясь об окончании партии. При таком подходе подразумевается, что успех на каждом ходе приведёт к успеху всей партии, к победе. Но это вовсе не обязательно. Ведь можно заманить короля соперника в матовую ловушку, жертвуя в серии ходов фигуры, теряя кажущееся позиционное преимущество. При таком подходе частные успехи на каждом ходе ничего не значат по сравнению с последним победным ходом - объявлением мата.

Первый подход в лабиринтном моделировании получил свое развитие в эвристическом программировании, второй подход - в динамическом программировании. По-видимому, динамический подход эффективнее эвристического, если говорить о шахматах. Во всяком случае, сильные шахматисты, сами того не предполагая, использовали именно динамический подход против шахматных программ, работающих в эвристическом режиме, и своим естественным интеллектом побеждали лабиринтный искусственный интеллект. Но так было в 60-70 гг. XX в. С тех пор шахматные программы усовершенствовались настолько (в том числе, за счёт внедрения динамического подхода), что сейчас успешно противостоят чемпионам мира.

Лабиринтные модели широко использовались не только при создании шахматных программ, но и для программирования других игр, а также для доказательства математических теорем и в других приложениях.

Вслед за лабиринтными моделями искусственного интеллекта появились ассоциативные модели. Ассоциация (от лат. association - соединение) - связь психологических представлений (обусловленная предшествующим опытом), благодаря которой одно представление, появившись в сознании, вызывает другое представление (по принципу сходства, смежности или противоположности). Например, Нобелевский лауреат академик И.П. Павлов, проводя свои известные опыты с собаками, заметил, что если одновременно с приёмом пищи собака видит включённую лампу, то потом стоило только включить лампу, как у собаки начинал выделяться желудочный сок, хотя пищу ей не предлагали. В основе этого условного рефлекса ассоциация по принципу смежности. Ассоциация по сходству описана в рассказе А.П. Чехова "Лошадиная фамилия". Ассоциация по противоположности может быть описана логической схемой: если "не А", значит "А". Например, если днём я увидел белую кошку, она тут же ассоциировалась у меня с чёрной кошкой, которая утром перебежала дорогу.

В ассоциативных моделях предполагается, что решение новой, неизвестной задачи так или иначе основано на уже известных решённых задачах, похожих на новую, поэтому способ решения новой задачи основан на ассоциативном принципе сходства (подобия). Для его реализации используются ассоциативный поиск в памяти, ассоциативные логические рассуждения, использующие освоенные машиной приёмы решения задач в новой ситуации, и т.п. В современных компьютерах и интеллектуальных роботах существует ассоциативная память. Ассоциативные модели используются в задачах классификации, распознавания образов, обучения, ставших уже ординарными задачами информационных систем и технологий. Однако теория ассоциативных моделей до 90-х гг. XX в. отсутствовала и сейчас только создаётся.

Перечислим вкратце основных творцов искусственного интеллекта.

Н. Винер (математик), У.Р. Эшби (биолог) - основоположники кибернетики, впервые заявившие, что машины могут быть умнее людей, давшие первоначальный толчок развитию теории искусственного интеллекта.

У. Маккаллок, У. Питс (физиологи) - в 1943г. предложили формальную модель нейрона; основоположники нейрокибернетики и первоначальной концепции нейронной сети.

А. Тьюринг (математик) - в 1937 г. изобрёл универсальную алгоритмическую "машину Тьюринга"; предложил интеллектуальный "тест Тьюринга", позволяющий определить, разумна ли машина в сравнительном диалоге с ней и "разумным человеком".

Дж. фон Нейман (математик) - один из основоположников теории игр и теории самовоспроизводящихся автоматов, архитектуры первых поколений компьютеров.

М. Мински (математик) - автор понятия фрейма, основополагающего в машинном представлении знаний; один из авторов теории персептрона - устройства для распознавания образов.

М. Сомальвико (кибернетик), А. Азимов (биохимик, писатель) - основоположники интеллектуальной робототехники.

Г. Саймон, У. Рейтман (психологи) - авторы и разработчики первых лабиринтных интеллектуальных моделей, построенных на принципах эвристического программирования.

Р. Беллман (математик), С.Ю. Маслов (логик) - авторы динамического подхода к лабиринтным интеллектуальным моделям (динамического программирования, обратного метода доказательств).

Ф. Розенблатт (физиолог), М.М. Бонгард (физик) - первооткрыватели проблемы распознавания образов; разработчики устройств и моделей распознавания и классификации.

Л. Заде, А.Н. Колмогоров, А.Н. Тихонов, М.А. Гиршик (математики) - авторы математических методов решения плохо формализованных задач и принятия решений в условиях неопределённости.

Н. Хомски (математик, филолог) - основоположник математической лингвистики.

Л.Р. Лурия (психолог) - основоположник нейропсихологии, изучающей глубинные механизмы познавательной деятельности мозга и других интеллектуальных функций мозга.

К.Э. Шеннон (инженер-связист), Р.Х. Зарипов (математик) - авторы теории и моделей машинного синтеза музыки.

Приведённый перечень далеко не полон. В области искусственного интеллекта работали и работают не только отдельные специалисты, но и коллективы, лаборатории, институты. Основные проблемы, решаемые ими:

  1. представление знаний;
  2. моделирование рассуждений;
  3. интеллектуальный интерфейс "человек-машина", "машина-машина";
  4. планирование целесообразной деятельности;
  5. обучение и самообучение интеллектуальных систем;
  6. машинное творчество;
  7. интеллектуальные роботы.
< Лекция 3 || Лекция 4: 123 || Лекция 5 >
Владислав Нагорный
Владислав Нагорный

Подскажите, пожалуйста, планируете ли вы возобновление программ высшего образования? Если да, есть ли какие-то примерные сроки?

Спасибо!

Лариса Парфенова
Лариса Парфенова

1) Можно ли экстерном получить второе высшее образование "Программная инженерия" ?

2) Трудоустраиваете ли Вы выпускников?

3) Можно ли с Вашим дипломом поступить в аспирантуру?

 

Александр Качанов
Александр Качанов
Япония, Токио
Олег Корсак
Олег Корсак
Латвия, Рига