Подходы и направления исследования искусственного интеллекта

Наконец, существует множество программ искусственного интеллекта, каждая из которых образует почти самостоятельное направление. В качестве примеров можно привести программирования интеллекта в компьютерных играх , нелинейном управлении , интеллектуальные системы безопасности .

Нетрудно видеть, что большинство областей исследования пересекаются. Это свойственно для любой науки. Но в искусственном интеллекте взаимосвязь между, задавался бы, различными направлениями выражен очень сильно, и это связано с философским спором о сильном и слабый ИИ.

Глава 2 Модели мозга и проблематика моделирования

2.1 Теоретические  положения и практическая реализация

Теоретические положения

Конечной целью исследований по вопросам «искусственного интеллекта» является раскрытие тайн мышления и создания модели мозга . Принципиальная возможность моделирования интеллектуальных процессов следует из основного гносеологического результата кибернетики, который заключается в том, что любую функцию мозга, любую умственную деятельность, описанную языком со строго однозначнойсемантикой с помощью конечного числа слов , в принципе можно передать электронной цифровой вычислительной машине ( ЭЦВМ ). Современные же научные представления о природе мозга дают основания полагать, что по крайней мере в чисто информационном аспекте наиболее существенные закономерности мозга определяются конечным (хотя, может, и чрезвычайно большой) системе правил.

Практическая реализация

Искусственный интеллект  - техническая (во всех современных случаях попыток практической реализации - компьютерная) система, имеющая определенные признаки интеллекта , т.е. способна:

распознавать и понимать;

находить способ достижения результата и принимать решения;

учиться.

В практическом плане наличие лишь неполных знаний о мозге, о его функционирование не мешает строить его приближенные информационные модели , моделировать на ЭЦВМ сложные процессы мышления, в том числе и творческие.

2.2 Проблематика моделирования

Хотя проблема «искусственного интеллекта» тесно связана с потребностями практики, однако здесь нет единой общей практической задачи, которая бы однозначно определяла развитие теории, однако есть много задач, которые являются частными, узкими. Поэтому проблема «искусственного интеллекта» - это фактически целый комплекс проблем, которые характеризуются разной степенью всеобщности, абстрактности, сложности и разработанности и каждой из которых присущи свои принципиальные и практические трудности. Это такие проблемы, как распознавание образов , обучения и самообучения , эвристическое программирование , создание общей теории самоорганизованных систем , построение физической модели нейрона и др.., многие из которых имеют большое самостоятельное значение. Для всех этих направлений получены важные результаты, как практического так и теоретического характера, продолжаются интенсивные исследования.

Поскольку кроме малочисленных оптимистов почти никто не пытается именно «изготовить» интеллект, аналогичный человеческому, то речь ведется о создании системы, которая будет способна реализовать определенные модели интеллекта .

История и современное состояние

Глава 3 История и современное состояние

3.1 История

В начале XVII века Рене Декарт предположил, что животное - некий сложный механизм, тем самым сформулировав механическую теорию. В 1623  г. Вильгельм Шикард ( нем. Wilhelm Schickard ) построил первую механическую цифровую вычисляющего машину, за которой последовали машины Блеза Паскаля (1643) и Лейбница (1671). Лейбниц также был первым, кто описал современную двоичную систему счисления, хотя до него этой системы периодически увлекались различные крупные ученые. В ХИХ веке Чарльз Бэббидж и Ада Лавлейсработали над программируемой механической вычислительной машиной.

В 1910-1913 гг Бертран Рассел и А. Н. Уайтхед опубликовали работу «Принципы математики», которая совершила революцию в формальной логике . В 1941  г. Конрад Цузе построил первый работающий программно-контролируемый компьютер. Уоррен Маккалок и Вальтер Питтс в 1943  г. опубликовали A Logical Calculus of the Ideas Immanent in Nervous Activity , положив основынейронных сетей.

3.2 Современное состояние дел

ASIMO - Интеллектуальный гуманоидный робот от Honda , использует сенсоры и специальные алгоритмы для избегания препятствий и хождение по лестнице.

Один из изобретателей ASIMO, и он признал, что робот, несмотря на поразительно человекоподобные движения и действия, обладает разумом в лучшем случае насекомого. Большую часть его движений необходимо тщательно программировать заранее. Он умеет ходить почти по-человечески, но его маршрут необходимо тщательно планировать, иначе робот будет натыкаться на мебель и другие предметы — ведь он не может по-настоящему распознавать объекты.

Так что даже обычный таракан во многом превосходит нашего робота. Он умеет распознавать объекты, огибать препятствия, искать пищу и партнеров, избегать хищников, планировать сложные пути отхода, прятаться в тенях и исчезать в трещинах — и все в течение нескольких секунд.

Kismet , робот с базовыми социальными навыками.

В настоящий момент в создании искусственного интеллекта (в буквальном смысле этого слова, экспертные системы и шахматные программы сюда не относятся) наблюдается интенсивный перелом всех предметных областей, которые имеют хоть какое-то отношение к ИИ базы знаний. Практически все подходы были опробованы, но до появления искусственного разума ни одна исследовательская группа так и не дошло.

Исследования ИИ влились в общий поток технологий сингулярности (видового скачка, експотенциального развития человека), таких как нанотехнология, молекулярная биоэлектроника , теоретическая биология , квантовая теория (и), ноотропикы, екстромофилы и т. д. см.. щоддений поток новостейКурцвейля , MIT

Некоторые из наиболее впечатляющих систем ИИ:

Deep Blue  - победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принес удовлетворения ни компьютерщика, ни игрокам и система не была признана Каспаровым, хотя оригинальные компактные шахматные программы - неотъемлемая часть шахматной творчества. Впоследствии линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре - проект Blue Brain [2] . Данная история - пример запутанных и засекреченных отношений ИИ, бизнеса и национальных стратегических задач.

Но вместо того, чтобы открыть все шлюзы, придать новое ускорение исследованиям в области искусственного интеллекта и начать новую эру, этот компьютер сделал прямо противоположное. Его достижение лишь подчеркнуло примитивность современных ИИ-исследований. По здравому размышлению можно было сделать очевидный вывод: Deep Blue не способен мыслить. Да, этот робот великолепен в шахматах, но тест на коэффициент интеллекта принес бы ему 0 баллов. После исторической победы с прессой общался только проигравший Каспаров — ведь Deep Blue не умеет разговаривать. Медленно и неохотно ученые начали осознавать неприятный факт: вычислительные мощности — это еще не разум. Специалист по ИИ Ричард Хеклер (Richard Heckler) говорит: «Сегодня можно купить за 49 долларов шахматную программу, которая выиграет у любого гроссмейстера, но никому же не придет в голову считать ее разумной».

Mycin  - одна из ранних экспертных систем , которая могла диагностировать небольшой набор заболеваний, причем, часто так же точно, как и врачи.

Искусственный интеллект, который анализирует вопросы и подбирает человека для ответа на него Тахути .

20q - проект, в основе которого  лежат идеи ИИ, по мотивам классической игры «Двадцать вопросов». Стал очень популярным после появления в интернете на сайте 20q.net .

Распознавание голосового текста . Системы такие как ViaVoice способные обслуживать пользователей.

Работы в ежегодном турнире RoboCup соревнуются в упрощенной форме футболу.

Роботы не способны распознавать простые образы, как это делаем мы, но Поджо сумел создать компьютерную программу, которая может потягаться по скорости с человеком в одной достаточно специфической области: в «мгновенном распознавании». Речь идет об уникальной способности человека мгновенно, даже не сознавая того, узнать объект. (Мгновенное распознавание играло важную роль в эволюции человека — ведь у наших предков была лишь доля секунды на то, чтобы обнаружить притаившегося в кустах тигра, а осознать и обдумать этот факт можно было и потом.) Первое время робот Поджо стабильно набирал в особом визуальном тесте больше баллов, чем человек-участник.

Состязание между человеком и машиной выглядело очень просто. Человек садился в кресло и некоторое время вглядывался в обычный компьютерный экран. Затем на экране на долю секунды мелькала картинка, а я должен был как можно быстрее нажать одну из двух кнопок — показать, вижу я на картинке какое-нибудь животное или нет. Решение нужно было принимать как можно быстрее — не дожидаясь восприятия картинки сознанием. Компьютер должен был принять по той же картинке аналогичное решение.

После множества тестов результаты машины и человека оказались примерно одинаковыми. Но иногда машина работала значительно лучше и оставляла меня далеко позади. Я проиграл компьютеру. (Единственным утешением было то, что, как мне сказали, компьютер дает правильный ответ в 82 % случаев, а человек в среднем лишь в 80 %.)

Ключ к успеху программы Поджо в том, что в ней использованы уроки матери-природы. Многие ученые только сейчас начинают понимать истинность утверждения «Колесо уже изобретено, почему бы не скопировать его?». Приведем пример.

Обычно робот, глядя на картинку, пытается разложить ее на элементы и представить как совокупность линий, кругов, квадратов и других геометрических форм. А вот робот Поджо действует иначе.

Человек, глядя на картинку, сначала воспринимает контуры объектов, затем детали внутри каждого объекта, затем оттенки внутри деталей и т. д. Таким образом, мы как бы расщепляем изображение на множество слоев. Компьютер, обработав один слой изображения, объединяет его со следующим и включает в общую картину. Так, шаг за шагом, слой за слоем, он имитирует иерархическую обработку изображения, которую использует наш мозг. (Программе Поджо недоступны невероятные возможности распознавания образов, которые мы с вами воспринимаем как нечто само собой разумеющееся, — трехмерная визуализация, распознавание тысяч объектов под самыми разными углами и т. д., — но все же нельзя не признать, что это серьезное достижение.)

В Центре искусственного интеллекта Стэнфордского университета разработали  робот STAIR (Stanford artificial intelligence robot), созданным на базе традиционного подхода. STAIR — робот ростом около 120 см с огромной механической рукой на шарнирах. Этой рукой робот может брать со стола предметы. Кроме того, STAIR мобилен и может самостоятельно передвигаться по офису или жилищу. У него есть 3D-камера, которая фокусируется на объекте и подает в компьютер его трехмерное изображение, при помощи которого механическая рука может правильно захватить объект. Вообще, роботы научились брать объекты еще в 1960-х гг., и вскоре такие роботы появились на автомобильных заводах Детройта.

Но внешность обманчива. STAIR способен на большее. В него, в отличие от детройтских роботов, не заложен жесткий сценарий. Он действует сам по себе. Если вы, к примеру, попросите робота взять апельсин, то он проанализирует лежащие на столе предметы, сравнит их с тысячами изображений, заранее заложенных в его память, узнает апельсин и поднимет его со стола своей механической рукой. Кроме того, он способен идентифицировать предмет более точно, если возьмет в руку и будет поворачивать и рассматривать со всех сторон.

Чтобы проверить возможности STAIR, перемешали предметы на столе и посмотрели, как робот будет действовать. STAIR корректно проанализировал новое расположение предметов, протянул руку и взял то, что попросили. Создатели этого робота ставят перед собой цель научить его свободно передвигаться в доме или офисе, брать различные предметы, взаимодействовать с различными объектами и инструментами и даже разговаривать с людьми на упрощенном языке. Если это удастся, робот будет способен выполнять практически все функции, которые выполняет в офисе мальчик на побегушках. STAIR — образец подхода «сверху вниз»: все его действия запрограммированы от начала и до конца. (Хотя STAIR может распознавать предметы под разными углами, но количество предметов, которые он вообще способен распознать, пока ограничено. Окажись такой робот на улице в окружении случайных объектов, он будет мгновенно парализован.)

В Нью-Йоркский университет, где Янн ЛеКун (Yann LeCun) экспериментирует с совершенно другим созданием. Его робот носит имя LAGR (Learning applied to ground robots — обучение в приложении к наземным роботам) и представляет собой образец подхода «снизу вверх»: ему приходится учиться всему с нуля, натыкаясь на самые разные предметы. LAGR — робот размером с маленький гольф-мобильчик, оборудованный двумя цветными стереокамерами; он постоянно сканирует ландшафт и распознает встречающиеся предметы. После этого он начинает двигаться среди этих предметов, старательно их объезжая и узнавая что-то новое с каждым проездом. Робот оборудован GPS-приемником и имеет два инфракрасных датчика, способные засекать предметы на его пути. Он содержит три мощных процессора Pentium и подсоединен к гигабитной сети Ethernet. Мы с роботом отправились гулять по близлежащему парку, где LAGR учился объезжать возникающие на его пути помехи. Каждый раз, проходя маршрут, он приобретал новую сноровку и учился лучше обходить препятствия.

Между LAGR и STAIR есть очень важное различие, состоящее в том, что LAGR специально разработан для самообучения. Каждый раз, наталкиваясь на какое-то препятствие, он объезжает вокруг этого объекта и учится узнавать и миновать его, чтобы в следующий раз не натолкнуться. Если в памяти STAIR хранятся изображения тысяч предметов, то в памяти LAGR нет практически никаких изображений; вместо этого робот создает как бы мысленную карту всех встреченных препятствий и на каждом проходе обновляет и уточняет ее. В отличие от автомобиля-робота, который жестко запрограммирован и движется по маршруту, заранее проложенному для него при помощи системы GPS, LAGR движется совершенно самостоятельно, без всяких указаний со стороны человека. Вы говорите ему, куда двигаться, и он пускается в путь. Со временем подобных роботов можно будет обнаружить на Марсе, на поле боя и в наших жилищах.