Проблема представлення знань у штучному інтелекті. Чи існує універсальний підхід

Великі і цікаві досягнення є в області моделювання біологічних систем. Сюди можна віднести кілька незалежних напрямків. Нейронні мережі використовуються для розв'язання нечітких і складних проблем, таких як розпізнавання геометричних фігур чи кластеризація об'єктів. Генетичний підхід заснований на ідеї, що деякий алгоритм може стати ефективнішим, якщо відбере кращі характеристики у інших алгоритмів («батьків»). Відносно новий підхід, де ставиться задача створення автономної програми — агента, котрий співпрацює з довкіллям, називається агентний підхід. А якщо належним чином примусити велику кількість «не дуже інтелектуальних» агентів співпрацювати разом, то можна отримати «мурашиний» інтелект.

Задачі розпізнавання об'єктів вже частково розв'язуються в рамках інших напрямків. Сюди відносяться розпізнавання символів, рукописного тексту, мови, аналіз текстів. Особливо слід згадати комп'ютерне бачення, яке пов'язане з машинним навчанням та робототехнікою.

У загальному, робототехніка і штучний інтелект часто асоціюються одне з одним. Інтеграцію цих двох наук, створення інтелектуальних роботів, можна вважати ще одним напрямом ШІ.

Окремо тримається машинна творчість (англ. Computational creativity), у зв'язку з тим, що природа людської творчості ще менше вивчена, ніж природа інтелекту. Тим не менше, ця область існує, і тут стоять проблеми написання комп'ютером музики, літературних творів (часто — віршів та казок), художнє мистецтво.

Нарешті, існує безліч програм штучного інтелекту, кожна з яких утворює майже самостійний напрямок. В якості прикладів можна навести програмування інтелекту в комп'ютерних іграх, нелінійному керуванні, інтелектуальні системи безпеки[6].

Не важко бачити, що більшість областей дослідження перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, здавалось би, різними напрямами виражений дуже сильно, і це пов'язано з філософською суперечкою про сильний і слабкий ШІ.

 

3.1 Підходи до вирішення проблеми ШІ

3.1.1 Механістичний підхід

 

 

Ідея створення мислячих машин "людського типу", які думають, рухаються, чують, говорять, і взагалі поводяться як живі люди йде корінням в глибоке минуле. Ще в античності люди прагнули створити машину, подібну собі .

    У 1736 р. французький  винахідник Жак де Вокансон виготовив механічного флейтиста в людський зріст, який виконував дванадцять мелодій, перебираючи пальцями отвори і дмухаючи в мундштук, як справжній музикант. У середині 1750-х років Фрідріх фон Кнаус, австрійський автор, який служив при дворі Франциска I, сконструював серію машин, які вміли тримати перо і могли писати досить довгі тексти. Інший майстер, П'єр Жак- Дроз зі Швейцарії, побудував пару дивовижних за складністю механічних ляльок розміром з дитину: хлопчика, що пише листи і дівчину, що грає на клавесині. Успіхи механіки XIX ст. стимулювали ще більш честолюбні задуми. Так, в 1830-х роках англійський математик Чарльз Беббідж задумав, правда, так і не завершивши, складний цифровий калькулятор, який він назвав Аналітичної машиною; як стверджував Беббідж, його машина в принципі могла б розраховувати шахові ходи. Пізніше, в 1914 р. , директор одного з іспанських технічних інститутів Леонардо Торрес-і-Кеведо дійсно виготовив електромеханічний пристрій, здатний розігрувати найпростіші шахові ендшпілі майже так добре, як і людина.

    Але всі ці  механічні пристрої мають лише віддалену схожість з тим, що може бути названо ШІ, хоча цікаві з історичної точки зору.

 

3.1.2 Електронний підхід

 

 

Після другої світової війни з'явилися пристрої, здавалося б, що підходять для досягнення заповітної мети - моделювання розумної поведінки; це були електронні цифрові обчислювальні машини.

    До кінця 50-х  років усі ці захоплення виділилися  в нову більш-менш самостійну  гілку інформатики, що отримала  назву "штучний інтелект". Дослідження  в галузі ШІ, спочатку зосереджені  в кількох університетських центрах  США - Масачусетському технологічному інституті, Технологічному інституті Карнегі в Пітсбурзі, Стенфордському університеті - нині ведуться в багатьох інших університетах та корпораціях США та інших країн. Дослідників, працюючих над створенням мислячих машин, можна розділити на дві групи. Одних цікавить чиста наука і для них комп'ютер - лише інструмент, що забезпечує можливість експериментальної перевірки теорій процесів мислення. Інтереси іншої групи лежать в області техніки: вони прагнуть розширити сферу застосування комп'ютерів і полегшити користування ними. Багато представників другої групи мало дбають про з'ясуванні механізму мислення - вони вважають, що для їх роботи це не більш корисно, ніж вивчення польоту птахів і літакобудування.

    Протягом усієї  своєї короткої історії дослідники  в галузі ШІ завжди перебували  на передньому краї інформатики. Багато нині звичайних розробок, в тому числі вдосконалені  системи програмування, текстові  редактори і програми розпізнавання  образів, значною мірою розглядаються  на роботах з ШІ. Коротше кажучи, теорії, нові ідеї, і розробки  ШІ незмінно привертають увагу  тих, хто прагне розширити області  застосування і можливості комп'ютерів, зробити їх більш "доброзичливими" тобто більш схожими на розумних помічників і активних порадників, ніж ті педантичні і тупуваті електронні раби, якими вони завжди були. Незважаючи на багатообіцяючі перспективи, жодну з розроблених до цих пір програм ШІ не можна назвати "розумною" у звичайному розумінні цього слова. Це пояснюється тим, що всі вони вузько спеціалізовані; найскладніші експертні системи за своїми можливостями швидше нагадують дресированих або механічних ляльок, ніж людину з його гнучким розумом і широким кругозором. Навіть серед дослідників ШІ тепер багато хто сумнівається, що більшість подібних виробів принесе суттєву користь. Чимало критиків ШІ вважають, що такого роду обмеження взагалі нездоланні, і вирішення проблеми ШІ треба шукати не в сфері безпосередньо електроніки, а десь за її межами.

 

3.1.3 Кібернетичний підхід

 

 

Спроби побудувати машини, здатні до розумної поведінки, значною мірою натхненні ідеями професора Масачусетського технологічного інституту, Норберта Вінера, однією з видатних особистостей в інтелектуальній історії Америки і всього світу. Крім математики він мав широкі пізнання в інших областях, включаючи нейропсихологію, медицину, фізику і електроніку. Вінер був переконаний, що найбільш перспективні наукові дослідження в так званих прикордонних областях, які не можна конкретно віднести до тієї чи іншої конкретної дисципліни. Вони лежать десь на стику наук, тому до них зазвичай не підходять настільки суворо. Таким чином, міждисциплінарність - наріжний камінь сучасної науки. Вінеру і його співробітнику Джуліану Бігелоу належить розробка принципу "зворотного зв'язку", який був успішно застосований при розробці нової зброї з радіолокації наведенням. Надалі Вінер розробив на принципі зворотного зв'язку теорії як машинного, так і людського розуму. Він доводив, що саме завдяки зворотному зв'язку все живе пристосовується до навколишнього середовища і домагається своїх цілей. У 1948 році виходить книга Вінера, в якій він заклав фундамент нової науки, названої ним кібернетикою, що в перекладі з грецького означає рульовий . Слід зазначити , що принцип "зворотного зв'язку", введений Вінером, був якоюсь мірою передбачений Сєченовим в описаному ним у книзі "Рефлекси головного мозку " ( 1863 р.) феномені "центрального гальмування” , тобто майже за 100 років до Вінера, і розглядався як механізм регуляції діяльності нервової системи, і який ліг в основу багатьох моделей довільної поведінки у вітчизняній психології.

    Таким чином, кібернетика виникла на стику багатьох областей знання: математики, логіки, семіотики, біології, соціології.

    Узагальнюючий  характер кібернетичних ідей  і методів зближує науку про управління, якою є кібернетика, з філософією.

    Сама кібернетика  як наука про керування багато  чого дає сучасному філософському мисленню. Вона дозволяє більш глибоко розкрити механізм самоорганізації матерії , збагачує зміст категорії зв'язків , причинності , дозволяє більш детально вивчити діалектику необхідності та випадковості , можливості і дійсності. Відкриваються шляхи для розробки "кібернетичної" гносеології , яка дозволяє уточнити , деталізувати й поглибити у світлі науки про управління ряд істотно - важливих проблем.

    Виникнувши в  результаті розвитку і взаємного  стимулювання ряду в недалекому  минулому слабко пов'язаних між собою дисциплін технічного, біологічного і соціального профілю, кібернетика проникла в багато сфер життя.

 

3.1.4 Нейронний підхід

 

 

На деякому етапі розвитку інформатики багато вчених стали розуміти, що творцям обчислювальних машин є чому повчитися у біології. Серед них був нейрофізіолог і поет-любитель Уоррен Маккалок, що володів, як і Вінер, філософським складом розуму і широким колом інтересів. У 1942 р. Маккалок, беручи участь у науковій конференції в Нью-Йорку, почув доповідь одного зі співробітників Вінера про механізми зворотного зв'язку в біології. Висловлені в доповіді ідеї перегукувалися з власними ідеями Маккалока щодо роботи головного мозку. Протягом наступного року Маккалок в співавторстві зі своїм 18-річним протеже, блискучим математиком Уолтером Пітсом, розробив теорію діяльності головного мозку. Ця теорія і була тією основою, на якій сформувалося широко поширена думка, що функції комп'ютера і мозку в значній мірі подібні. Виходячи частково з попередніх досліджень нейронів, проведених Маккаллоком, вони з Пітсом висунули гіпотезу, що нейрони можна спрощено розглядати як пристрої, які оперують двійковими числами.

Двійкові числа - робочий інструмент однієї із систем математичної логіки. Англійський математик XIX ст. Джордж Буль, що запропонував цю дотепну і найпотужнішу систему, показав, що логічні твердження можна закодувати у вигляді одиниць і нулів, де одиниця відповідає істинному вислову, а нуль - помилковому, після чого цим можна оперувати як звичайними числами. У 30-ті роки XX ст. піонери інформатики, особливо американський вчений Клод Шеннон, зрозуміли, що двійкові одиниця і нуль цілком відповідають двом станам електричної ланцюга (включено-виключено), тому двійкова система ідеально підходить для електронно-обчислювальних пристроїв. Маккалок і Пітс запропонували конструкцію мережі з електронних "нейронів" і показали, що подібна мережа може виконувати практично будь-які уявні числові або логічні операції. Далі вони припустили, що така мережа в стані також навчатися, розпізнавати образи, узагальнювати, тобто вона володіє всіма рисами інтелекту. Теорії Маккаллока-Пітса в поєднанні з книгами Вінера викликали величезний інтерес до розумних машин. У 40-60-ті роки все більше кібернетиків з університетів і приватних фірм замикалися в лабораторіях і майстернях, напружено працюючи над теорією функціонування мозку і методично зварюючи електронні компоненти моделей нейронів. З цього кібернетичного, або нейромодельного, підходу до машинного розуму скоро сформувався так званий "висхідний метод" - рух від простих аналогів нервової системи примітивних істот, що володіють малим числом нейронів, до найскладнішої нервової системи людини і навіть вище. Кінцева мета бачилася у створенні "адаптивної мережі", "самоорганізовуваної системи" або "машини, що навчається" - всі ці назви різні дослідники використовували для позначення пристроїв, здатних стежити за навколишнім оточенням і за допомогою зворотного зв'язку змінювати свою поведінку в повній відповідності з пануючою в ті часи біхевіористичною школою психології, тобто вести себе так само як живі організми. Однак аж ніяк не у всіх випадках можлива аналогія з живими організмами. Але справа тут не тільки в часі. Основною трудністю, з якою зіткнувся "висхідний метод" на зорі свого існування, була висока вартість електронних елементів. Занадто дорогою виявлялася навіть модель нервової системи мурашки, що складається з 20 тис. нейронів, не кажучи вже про нервову систему людини, що включає близько 100 млрд. нейронів. Навіть найдосконаліші кібернетичні моделі містили лише кілька сотень нейронів. Настільки обмежені можливості збентежили багатьох дослідників того періоду.

   В даний час нейронний підхід є, на думку ряду вчених, найбільш продуктивним, так як при цьому створюється структура, ізоморфна людському мозку, що, відповідно підвищує ймовірність появи систем штучного інтелекту вже в найближчому майбутньому. Елементна база і принципи функціонування сучасних комп'ютерів практично вичерпали себе, і комп'ютерна індустрія стоїть на порозі корінного зламу, який може піти шляхом використання моделей нейронів, що може істотно спростити роботу з комп'ютером і підвищити його обчислювальну потужність.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4. ПРЕДСТАВЛЕННЯ ЗНАНЬ У ШТУЧНОМУ ІНТЕЛЕКТІ

 

 

У штучному інтелекті основна мета представлення знань — навчитися зберігати знання так, щоб програми могли опрацьовувати їх і досягати подібності з людським інтелектом. Проблема представлення знань є однією з найважливіших проблем, характерних для систем, що базуються на знаннях. Це пояснюється тим, що форма представлення знань впливає на характеристики і властивості системи. Центральним завданням побудови систем, що базуються на знаннях, є вибір форми (моделі, мови, методу) представлення знань[5].

Представлення знань — це множина синтаксичних і семантичних угод, що роблять можливим формальне вираження знань про предметну галузь у комп’ютерно-інтерпретованій формі.

Представленням даних притаманний пасивний аспект: книга, таблиця, заповнена інформацією пам'ять. У теорії штучного інтелекту особливо підкреслюється активний аспект подання знань: придбання знань має стати активною операцією, що дозволяє не тільки запам'ятовувати, але й застосовувати сприйняті (придбані, засвоєні) знання для міркувань на їх основі.

    Використання символічної  мови, такої, як мова математичної  логіки, дозволяє формулювати описи  у формі, одночасно близькій і  до звичайної мови, і до мови  програмування. Утім, математична логіка  дозволяє міркувати, базуючись на  придбаних знаннях: логічні висновки  дійсно є активними операціями  одержання нових знань із уже  засвоєних.

    Принципова світоглядна  установка виражається в розгляненні ЕОМ як предмета-посередника в пізнавальній людській діяльності. Комп'ютерна система, подібно іншим предметам-посередникам (знаряддям праці та предметам побуту, інструментам, приладам, знаково-символічним системам, науковим текстам і т. д.), відіграючи інструментальну роль у пізнанні, є засобом об'єктивізації накопиченого знання, втіленням певного соціально-історичного досвіду практичної та пізнавальної діяльності.