Изначально в истории сложилось три направления ИИ:
1) исследуются механизмы и структура работы мозга человека, а также происходит раскрытие тайн мышления. В этом направлении строятся модели, проводятся эксперименты, а также эти модели усовершенствуются;
2) интеллектуальная деятельность в этом направлении моделируется с помощью ЭВМ, создаются алгоритмы для решения задач;
3) симбиоз естественного и искусственного интеллектов. Создаются связи между машиной и человеком.
ИИ сначала применялся в простых задачах, таких как шашки и шахматы. Были построены многочисленные модели, которые могли играть с реальным человеком. При этом, когда машина играет с человеком, она сама обучается. Подобная машина однажды сразилась с лучшим американским игроком в шашки Р. Нили и победила. Такой результат
был достигнут благодаря занесенным в машину правилам игры. А также она знала, что терять свои фигуры — это плохо, а брать чужие — хорошо. Основываясь на этом, машина просчитывала возможные ходы, а затем выбирала один из лучших и делала ход. Нельзя сказать, что все мог предусмотреть автор программы. Машина самостоятельно училась на накопленном опыте.
Еще одной логической игрой являются шахматы. Для того чтобы иметь хорошие шансы на победу, машина должна просчитывать все возможные ходы, а затем выбрать наилучший. Но это может показаться невозможным, потому что таких ходов могут быть миллионы. За то время было создано большое количество машин, которые могут играть в шахматы. А в 1974 г. проводился международный турнир между машинами. В нем выиграла советская машина с именем «Кайсса». Известный факт проигрыша Каспарова компьютеру IBM с шахматной программой Deep Blue подтверждает потенциал искусственного интеллекта. Конечно, машина была довольно мощной (она состояла из 256 процессоров, каждый имел по 4 Гб памяти на жестком диске и по 128 Мб оперативной памяти). Такая машина могла просчитывать до 100 млн различных ходов в секунду.
ИИ может применяться не только для проведения игр с живыми людьми. Например, при его помощи создаются разнообразные переводчики текстов с одного языка на другой.
Принцип работы таких программ заключается в основных правилах и принципах перевода делового и разговорного текстов. Но все-таки подобные системы еще не доведены до совершенства.
Еще одной сферой применения ИИ является перцептрон — прибор для распознавания объектов.
Принцип его работы состоит из двух фаз: обучения и распознавания. В первой фазе машине предлагается запомнить некоторые объекты и класс, к которому они относятся. Вторая фаза заключается в том, что прибору предлагаются новые объекты (которые в первой фазе не использовались), и он должен распознать их и по возможности правильно определить класс.
Огромное значение ИИ имеет в робототехнике и кибернетике, практически ни один робот не обходится без его использования.
Первые роботы с ИИ появились в 1960-х гг. В те времена были простейшие модели, которые выполняли однотипную работу. Например, в 1969 г. в Японии был разработан робот, предназначенный для сборочно-монтажных работ. Такой робот имел всего 6 степеней свободы, а сейчас создаются роботы до 30 степеней свободы! Память такого робота составляла всего 32 ООО слов. А экран был поделен на 64 х 64 ячейки. Робот распознавал объекты, которые ограничены цилиндрическими поверхностями либо плоскостями. Если объект был не полностью виден на экране, то робот поворачивался, захватывал объект, используя сенсоры, и производил необходимые действия.
Еще один из роботов того времени под названием ТАИР (транспортный автономный интегральный робот) был создан в Киеве (лаборатория, где больше всего внимания уделяли распознаванию речи и изображений). Он состоял из 3-колесного шасси, на котором находился блок управления и сенсорная система. Он был оснащен компасом, двумя маяками, датчиками наклона тележки.
Отличительной особенностью этого робота от всех являлось то, что в нем отсутствовал компьютер. ТАИР был оснащен нейроподобной сетью, реализующей различные алгоритмы: перемещения, обработки информации сенсоров, планирование поведения.
Системы ИИ
Среди крупномасштабных систем можно отметить.
1. MICIN — система для диагностики инфекционных заболеваний. Проводит сканирование организма больного и выводит информацию о состоянии здоровья. В базе данных имеется около 450 правил.
2. DENDRAL — система распознавания химических структур. Пользователь должен вводить некоторые данные спектрометрии и некоторую информацию о веществе, а машина выводит диагноз химической структуры вещества.
Различные подходы к построению систем ИИ
Существует много подходов для создания систем ИИ. Нет такого подхода, который мог бы превосходить другие, также нельзя считать, что один из них является ошибочным, а другой — правильным, потому что в данное время нет наиболее полной системы ИИ.
Можно выделить четыре главных подхода для построения систем ИИ. Первый из них — логический. Этот подход, возможно, возник вследствие того, что все в жизни имеет 2 состояния: работает (включено) и не работает (выключено). Например, компьютеры созданы на основе такой системы, которая называется битовой — от слова бит. Основой этого подхода является алгебра логики, или Булева алгебра (в честь математика Буля). Любой из программистов обязан ее знать, иначе даже самые простейшие операции будут недоступны. Суть этой алгебры — не только выяснение истинно ли выражение или нет; также она применяется для исчисления предикатов, причем алгебра дополнена предметными символами, отношениями между ними, кванторами существования и всеобщности.
В основном все системы ИИ, которые используют этот подход, представляются в виде машин, способных доказывать теоремы. Все исходные данные хранятся в базе данных, представленные аксиомами, а правила логического вывода этих теорем — как отношения между этими аксиомами. Каждая из таких машин имеет блок генерации цели, а система каким-либо способом пытается выполнить (доказать) эту цель как теорему.
При выполнении (доказательстве) цели проходят некоторые операции, которые необходимы для выполнения поставленной задачи. Мощность системы зависит от возможностей генератора целей и мощности самой машины доказательства теорем.
Для того чтобы создать полноценный ИИ, конечно, выразительности высказываний алгебры не хватит. Как раньше упоминалось, основой всех текущих ЭВМ служит бит — ячейка памяти. Поэтому логично, что то, что возможно создать, на ЭВМ можно представить в виде логики предикатов. Интересным фактом является то, что неизвестно, за какое время должно это происходить.
Для того чтобы добиться большей выразительности, этому подходу может быть присвоено такое направление, как нечеткая логика. Ее отличием является то, что она может принимать, кроме значений 0 и 1, также такие значения как 0,25; 0,5 и 0,75. Этот подход более четко выражает мышление человека, потому что он редко отвечает на поставленные вопросы только «да» или «нет», а также «не знаю», «может быть», «возможно». Но, например, на экзамене будут приниматься только четкие ответы — «да» или «нет».
Почти для всех логических методов характерна медленная работа из-за большой трудоемкости, так как машине приходится перебирать всевозможные варианты для доказательства необходимой цели. Поэтому хорошее качество работы могут гарантировать мощные машины, обрабатывающие большое количество информации за единицу времени, либо базы данных с необходимой информацией будут иметь меньший размер.
Следующий метод для построения систем ИИ — структурный подход. ИИ моделируется в виде модели человеческого мозга. Самой первой моделью был перцептрон Френка Розен-блатта — это машина, обладающая искусственным интеллектом, умеющая различать предлагаемые объекты по каким-либо признакам и разделяющая их на классы, ранее указанные ей. Основной структурной единицей в подобных машинах является нейрон.
В конце концов начали возникать некоторые другие методы для построения систем ИИ при помощи структурного метода, которые получили название «нейронные сети». Так как существует множество методов, обладающих одинаковым названием, то они должны отличаться друг от друга какими-либо свойствами. Среди них наблюдаются алгоритмы для обучения нейронных сетей, строение отдельных нейронов и топология связей между этими нейронами. Одной из самых известных систем ИИ является нейронная сеть с обратным распространением ошибки. Другие две известные нейронные сети — это сети Хоп-филда и стохастические нейронные сети.
Все нейронные сети нашли широкое применение для распознавания объектов и образов, в том числе и сильно зашумленных. Очень существенным отличием структурного метода от логического является легкое распараллеливание алгоритмов, а за счет этого — сильно растущая производительность. Еще одним отличием является то, что эти системы работают даже в состоянии, когда информация об окружающей среде не полностью известна, т. е. как и человек, машина может выдавать ответы, отличные от «да» и «нет», иногда высказывая мнение, что скорее близок один ответ, чем другой. Присутствует появление неуверенности.
Третий подход для построения систем ИИ —- эволюционный. Очень сильно отличается от двух предыдущих подходов тем, что здесь огромная роль уделяется начальной модели и правилам, по которым она может изменяться.
Главным является то, что как модель может быть составлена как набор логических правил, так и сама нейронная сеть. Когда начальная модель и правила заданы, то достаточно запустить машину, после чего она начинает проверку всех возможных моделей, выбирая самые лучшие, и на их основании начинают генерироваться новые по самым различным правилам. Затем снова происходит отбор и новая генерация. И такой цикл повторяется много раз.
Можно сказать, что эволюционных моделей не существует, а присутствуют лишь алгоритмы, которым обучаются машины, но модели, которые создаются по этим алгоритмам, имеют некоторые особенности и поэтому заносятся в отдельный класс. Особенностями является перенесение основной работы создателя системы ИИ с построения модели на сам алгоритм, по которому она обучается и модифицируется, и то, что созданные впоследствии модели не способствуют извлечению новых знаний о среде, окружающей ИИ, т. е. эта модель становится вещью в себе.
Еще один из широко используемых подходов для реализации систем ИИ — имитационный. Очень часто применяется в кибернетике и является для нее классическим, например, как и термин «черный ящик» — устройство, которое не раскрывает данную модель, ее структуру, каким способом она построена, но сохраняет все входные и выходные данные.
«Черный ящик» — объект, поведение которого имитируется. Необязательно знать, что находится у этой модели внутри, как она функционирует, важно, чтобы эта модель в подобных ситуациях вела себя так же.
В этом подходе явно моделируется одно из основных свойств человека — копировать действия окружающих его людей. Для этого ему не нужно вдаваться в подробности. Очень часто эта особенность человека экономит ему силы, особенно в начале его жизни.
Как и все остальные подходы, этот тоже имеет недостатки. Основным является то, что приходится обрабатывать множество информации, и множество моделей, построенных с помощью этого подхода, имеют замедленное действие. Приведем пример «черного ящика». Например, кто-то следит за нами, точнее, какое-то устройство. Оно записывает всю информацию о том, что мы делаем в разных ситуациях, т. е. происходит наблюдение за входными данными. А также ведется анализ величин, которые от нас исходят, например речь, движения.
В этом Случае «черным ящиком» выступает человек. После всего этого устройство пытается построить модель таким образом, что при определенных сигналах на входе она могла бы выдавать то же самое, что и человек в этих же ситуациях. Можно сказать, что созданная модель является клоном реального человека, который имеет низкий уровень интеллекта. Можно пойти дальше и получить брата-близнеца с примерно такими же «мыслями».
Конечно, эта модель для других будет являться копией того человека, с которого она взяла все правила выражений, а внутри нее будет пустота. При этом копируются только внешние атрибуты. Но после смерти человек уже не будет думать, его сознание погаснет, а клон будет пытаться высказывать то, что мог бы предположить человек, если бы он не умер.
Согласно философским представлениям сознание представляет собой как бы небольшую надстройку над подсознанием. Она следит за некоторыми участками головного мозга, в которых происходит обработка конечной информации (зрительной, чувствительной), а после этого возвращает на начальные стадии обработки этой информации. А затем происходит такая же обработка еще раз, и мы слышим, видим, чувствуем и воспринимаем, что думает наш мозг. Если мы принимаем активное участие в таком процессе, то может появиться возможность мысленного моделирования окружающего пространства. Как раз такой процесс наблюдения за деятельностью в мозге и называется сознанием. Когда мы «слышим» и «видим» свои мысли, это значит, что мы находимся в сознании, иначе — в бессознательном состоянии.
Если бы можно было создать такую работу немногих «сознательных» нервных центров как один «черный ящик», а работу «супервизора» при помощи другого «черного ящика», можно было бы сказать, что данная созданная модель походит на меня, думает так же, как я. Это, конечно, достаточно сложно получить, потому что нужно провести массу опытов с интеграцией человеческого мозга и приборов, которые могут считывать с него информацию. Да к тому же в данное время не существует таких приспособлений, которые могли бы следить за ним годами и не мешать ему работать и жить.
Следует отметить, что не всегда при моделировании используется определенно один из этих подходов. Имеет место объединение двух или нескольких подходов для создания требуемого результата с максимальной производительностью.