Жаропонижающие средства для детей назначаются педиатром. Но бывают ситуации неотложной помощи при лихорадке, когда ребенку нужно дать лекарство немедленно. Тогда родители берут на себя ответственность и применяют жаропонижающие препараты. Что разрешено давать детям грудного возраста? Чем можно сбить температуру у детей постарше? Какие лекарства самые безопасные?
- Перевод
В прошлом году по дорогам округа Монмут, Нью-Джерси, стал колесить странный робомобиль. Это экспериментальное транспортное средство, разработанное специалистами компании Nvidia, по внешнему виду не слишком отличается от других автономных машин других производителей, таких как Google, Tesla или General Motors. Но специально для этого автомобиля разработана новая система управления. Она самообучается, и не зависит от настроек, заданных на производстве. Вместо этого робомобиль следит за действиями человека-водителя и учится у него.
Это немного необычный способ обучения робомобиля. С другой стороны, мало кто до конца представляет себе, как машина принимает решения. Информация с сенсоров, радаров и лидаров поступает в нейросеть, где эти данные обрабатываются с выделением четких правил управления рулевым колесом, тормозами и другими системами. В итоге получается, что действия робомобиля зачастую схожи с действиями водителя-человека, попавшего в ту же ситуацию на дороге. Возникает вопрос - может ли машина принять странное решение в одном из случаев - например, врезаться в дерево на полном ходу или постоять на светофоре, когда горит зеленый?
Нейросеть, обрабатывающая информацию можно сравнить с черным ящиком. Нет, конечно, специалисты представляют себе принцип обработки данных нейросетью в общих чертах. Но проблема в том, что самообучение - это не до конца предопределенный процесс, так что на выходе можно ожидать иногда абсолютно неожиданные результаты. В основе всего лежит глубокое обучение, которое уже позволило решить ряд важных проблем, включая обработку изображений, распознавание речи, перевод. Возможно, нейросети смогут диагностировать заболевания на ранней стадии, принимать правильные решения при торговле на бирже и выполнять сотни других важных для человека действий.
Но сначала нужно найти пути, которые позволят лучше понимать то, что происходит в самой нейросети при обработке данных. В противном случае сложно, если вообще возможно, предсказать возможные ошибки систем со слабой формой ИИ. А такие ошибки обязательно будут. Это одна из причин, почему автомобиль от Nvidia до сих пор находится в стадии тестирования.
Человек сейчас применяет математические модели для того, чтобы облегчить для себя задачу выбора - например, определить надежного заемщика денежных средств или найти сотрудника с необходимым опытом для какой-то работы. В целом, математические модели и процессы, которые их используют, относительно просты и понятны. Но военные, коммерческие компании, ученые сейчас используют гораздо более сложные системы, чьи «решения» основываются не на результатах работы одной-двух моделей. Глубокое обучение отличается от обычных принципов работы компьютеров. По мнению Томми Джаакола, профессора из MIT, эта проблема становится все более актуальной. «Что бы вы ни делали - принимали решение об инвестициях, пытались поставить диагноз, выбрали точку атаки на поле боя, все это не должно зависеть от метода „черного ящика“», - говорит он.
Это понимают уже не только ученые, но и чиновники. Начиная с лета следующего года Европейский Союз вводит новые правила для разработчиков и поставщиков решений автоматизированных компьютерных систем. Представители таких компаний будут обязаны объяснять пользователям, как работает система, и по какому принципу принимаются решения. Проблема в том, что это может оказаться невозможным. Да, объяснять базовые принципы работы нейросетей можно без проблем, но вот то, что там происходит во время обработки сложной информации, мало кто может точно рассказать. Даже создатели таких систем не могут объяснить все «от и до», поскольку процессы, протекающие в нейросети во время обработки информации, очень сложные.
Никогда прежде человек не строил машины, принцип работы которых не до конца понятен сами создателям и резко отличается от способа обработки информации, используемого самим человеком. Так можно ли ожидать нормального взаимодействия с машинами, работа которых непредсказуема?
Картина, подготовленная художником Адамом Ферриссом при помощи Google Deep Dream
В 2015 году исследовательская группа Mount Sinai Hospital из Нью-Йорка использовала глубокое обучение для обработки базы данных записей пациентов. База данных включала информацию о тысячах пациентов с сотнями строк информации по каждому человеку вроде результатов тестов, дате посещения врача и т.п. В результате появилась программа Deep Patient, которая обучилась на примере записей 700 тысяч человек. Результаты, которые показывала эта программа, оказались необычайно хорошими. Например, она смогла предсказывать появление некоторых болезней на ранней стадии у ряда пациентов.
Однако, результаты оказались и немного странными. Например, система начала отлично диагностировать шизофрению. Но даже для опытных психиатров диагностика шизофрении - сложная проблема. А вот компьютер справился с ней на «ура». Почему? Никто не может объяснить, даже создатели системы.
Изначально разработчики ИИ разделялись на два лагеря. Сторонники первого говорили, что машину нужно программировать так, чтобы все процессы, которые происходят в системе, можно было видеть и понимать. Второй лагерь придерживался идеи, согласно которой машина должна обучаться сама, получая данные из максимального количества источников с последующей самостоятельной обработкой таких данных. То есть, сторонники этой точки зрения, фактически, предложили, чтобы каждая нейросеть была «сама себе хозяин».
Все это оставалось чистой воды теорией до настоящего момента, когда компьютеры стали достаточно мощными для того, чтобы специалисты по искусственному интеллекту и нейросетям могли начать реализовывать свои идеи на практике. За последние десять лет было реализовано огромное количество идей, появились отличные сервисы, помогающие переводить тексты с языка на язык, распознавать речь, обрабатывать видеопоток в режиме реального времени, работать с финансовыми данными, оптимизировать процессы производства.
Но проблема в том, что практически любая технология машинного обучения не слишком прозрачна для специалистов. В случае с «ручным» программированием дело обстоит гораздо проще. Конечно, нельзя говорить о том, что будущие системы будут непонятными ни для кого. Но по своей природе глубокое обучение - это своего рода «черный ящик».
Нельзя просто посмотреть на принципы работы нейронной сети и предсказать результат, который мы получим в результате обработки какого-то массива данных. Внутри «черного ящика» - десятки и сотни «слоев нейронов», связанных между собой в достаточно сложном порядке. Причем значение для конечного результата имеет не только работа слоев, но и отдельных нейронов. Человек в большинстве случаев не может предсказать, что появится на выходе нейронной сети.
Один из примеров того, насколько работа нейросети отличается от работы мозга человека - система Deep Dream. Это проект Google, нейросеть, в которую вводили обычную фотографию и давали цель преобразовать это фото в соответствии с определенной темой. Ну, например, сделать все объекты на снимке похожими на собак. Результаты впечатлили всех. Как-то в систему ввели задачу генерировать изображение гантели. Система справилась, но во всех случаях к гантели были пририсованы руки людей - нейросеть решила, что гантель-рука - едина система, которую нельзя рассматривать, как два отдельных элемента.
Специалисты считают, что требуется лучше понимать, как работают такие системы. Это нужно по той простой причине, что нейросети начинают использовать во все более важных сферах, где ошибка может привести к печальному финалу (торговля ценными бумагами - один из примеров). «Если у вас - небольшая нейросеть, вы можете прекрасно понимать, как она работает. Но когда нейросеть вырастает, количество элементов в ней увеличивается до сотен тысяч нейронов на слой с сотнями слоев - в этом случае она становится непредсказуемой», - говорит Джааккола.
Тем не менее, нейросети нужно использовать в работе, в той же медицине. Медики недооценивают важность многих данных, человек просто не в состоянии охватить взглядом и найти связи между сотнями записей в истории болезни пациентов. А машина - может, и в этом огромная ценность нейросетей и глубинного обучения вообще.
Военные США вложили миллиарды долларов в разработку систем автоматического управления дронами, определения и идентификации различных объектов, анализа данных. Но и военные считают, что работа таких систем должна быть понятной и объяснимой. Те же солдаты, закрытые в танке с автоматическим управлением будут чувствовать себя очень некомфортно в том случае, если не будут понимать, как и что работает, почему система приняла такое решение, а не другое.
Возможно, в будущем эти системы будут пояснять свои действия. Например, Карлос Гуестрин, профессор из Вашингтонского университета, разработал компьютерную систему, которая поясняет промежуточные результаты своих вычислений. Эта система может использоваться для анализа электронных сообщений. Если какое-то из них оценено компьютером, как отправленное условным террористом, то обязательно будет дано пояснение, почему сделан именно такой вывод.
По мнению ученого, объяснения должны быть достаточно простыми и понятными. «Мы еще не достигли мечты, где ИИ просто ведет с вами беседу и может объяснять», - говорит Гуестрин. «Мы лишь в начале долгого пути по созданию прозрачного ИИ».
Понимание причин, которые привели ИИ к определенному результату важно, если мы хотим сделать ИИ частью нашей жизни, причем полезной частью. Это актуально не только в случае военных, а относится и к Siri или любым другим цифровым помощникам. Например, если запросить Siri дать выборку ближайших ресторанов, то многим хочется понять, почему показаны именно эти рестораны, а не другие. Важный критерий внедрения ИИ - доверие человека к компьютерным системам.
Наверное, все же нельзя заставить компьютер объяснять все свои действия и решения - ведь, например, поступки и решения любого человека зачастую невозможно понять. Они зависят от большого количества факторов. А чем сложнее нейросеть, тем больше таких факторов она принимает во внимание и анализирует.
Здесь возникает ряд сложных вопросов этического и социального характера. Например, в случае с теми же военными, когда речь идет о создании автоматизированных танков и других машин для убийства, важно, чтобы их решения соответствовали этическим нормам человека. Собственно, убийство само по себе может не соответствовать этическим нормам многих из нас. Но эти решения должны быть хотя бы приемлемыми для большинства. Хотя, что представляет собой это большинство? Тоже вопрос.
Дэниэлл Денетт, философ из Университета Тафтса, говорит следующее: «Я считаю, что если мы собираемся использовать эти вещи и зависеть от них, тогда нужно понимать, как и почему они действуют так, а не иначе. Если они не могут лучше нас объяснить, что они делают, то не стоит им доверять».
Московский государственный технический университет им. Н.Э. Баумана
Реферат по философии на тему:
«Проблемы построения искусственного интеллекта»
Преподаватель Великая Л.С.
Аспирант Голеньков Н.С.
Москва 2001
Введение 3
Определение понятия «искусственный интеллект» 4
Подходы к созданию искусственного интеллекта 10
Проблемы построения искусственного интеллекта 16
Заключение 25
Литература 26
Введение.
С конца 40-х годов ученые все большего числа университетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.
Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта, обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что, прежде всего, необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная проблема, стоящая перед современной наукой – познание процессов функционирования человеческого разума, а не просто имитация его работы, что непосредственно затрагивало фундаментальные теоретические проблемы психологической науки. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта.
Некоторые считают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению, обобщению и аналогиям; третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого.
Определение понятия «искусственный интеллект»
В понятие «искусственный интеллект» вкладывается различный смысл - от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осуществляемых человеком, или еще более широкую их совокупность. Мы постараемся вычленить тот смысл понятия «искусственный интеллект», который в наибольшей степени соответствует реальным исследованиям в этой области.
Как отмечалось, в исследованиях по искусственному интеллекту ученые отвлекаются от сходства процессов, происходящих в технической системе или в реализуемых ею программах, с мышлением человека. Если система решает задачи, которые человек обычно решает посредством своего интеллекта, то мы имеем дело с си стемой искусственного интеллекта.
Однако это ограничение недостаточно. Создание традиционных программ для ЭВМ - работа программиста - не есть конструирование искусственного интеллекта. Какие же задачи, решаемые техническими системами, можно рассматривать как конституирующие искусственный интеллект?
Чтобы ответить на этот вопрос, надо уяснить прежде всего, что такое задача. Как отмечают психологи, этот термин тоже не является достаточно определенным. По-видимому, в качестве исходного можно принять понимание задачи как мыслительной задачи, существующее в психологии. Они подчеркивают, что задача есть только тогда, когда есть работа для мышления, т. е. когда и меется некоторая цель, а средства к ее достижению не ясны, их надо найти посредством мышления.
Человек использует любую находящуюся в его памяти информацию, «модель мира», имеющуюся в его психике и включающую фиксацию разнообразных законов, связей, отношений этого мира.
Если задача не является мыслительной, то она решается на ЭВМ традиционными методами и, значит, не входит в круг задач искусственного интеллекта. Ее интеллектуальная часть выполнена человеком. На долю машины осталась часть работы, которая не требует участия мышления, т. е. «безмысленная», неинтеллектуальная.
Под словом «машина» здесь понимается машина вместе с ее совокупным математическим обеспечением, включающим не только программы, но и необходимые для решения задач « модели мира». Недостатком такого понимания является главным образом его антропомор физм. Задачи, решаемые искусственным инте ллектом, целесообразно определить таким образом, чтобы человек по крайней мере в определении отсутс твовал. При характеристике мышления мы отме чали, что его основная функция заключается в выработ ке схем целесообразных внешних действий в бесконе чно варьирующих условиях. Специфика человеческ ого мышления (в отличие от рассудочной деятельно сти животных) состоит в том, что человек вырабатывает и накапливает знания, храня их в своей памяти. Выработка схем внешних действий происходит не по принципу «стимул - реакция», а на основе знаний, получаемых дополнительно из с реды, для поведения в которой вырабатывается схема действия.
Этот способ выработки схем внешних действий (а не просто действия по командам, пусть даже меняющимся как функции от времени или как однозначно определенные функции от результатов предшествующих шагов), на наш взгляд, является существенной характеристикой любого интеллекта. Отсюда следует, что к системам искусственного интеллекта относятся те, которые, используя заложенные в них правила переработки информации, вырабатывают новые схемы целесообразных действий на основе анализа моделей среды, х ранящихся в их памяти. Способность к перестройке самих этих моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня искусственного интеллекта.
Большинство исследователей считают наличие собственной внутренней модели мира у технических систем предпосылкой их «интеллектуальности». Формирование такой модели, как мы покажем ниже, связано с преодолением синтаксической односторонности системы, т.е. с тем, что символы или та их часть, которой оперирует система, интерпретированы, имеют семантику.
Характеризуя особенности систем искусственного интеллекта, Л. Т. Кузин указывает на:
1) наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;
2) способность пополнения имеющихся знаний;
3) способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не со держится в системе; это качество позволяет системе ко нструировать информационную структуру с новой сема нтикой и практической направленно стью;
4) умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая «понимание» естественного языка;
5) способность к диалоговому взаимодействию с человеком;
6) способность к адаптации.
На вопрос, все ли перечисленные условия обязательны, необходимы для признания системы интеллектуальной, ученые отвечают по-разному. В реальных исследованиях, как правило, признается абсолютно необходимым наличие внутренней модели внешнего мира, и при этом считается достаточным выполнение хотя бы одного из перечисленных выше условий.
II. Намного сложнее обстоит дело с семиотическими системами, без которых интеллект невозможен. Языки, используемые в ЭВМ, еще далеки от семиотических структур, которыми оперирует мышление.
Прежде всего для решения ряда задач необходимо последовательное приближение семиотических систем, которыми наделяется ЭВМ, к естественному языку, точнее, к использованию его ограниченных фрагментов. В этом плане предпринимаются попытки наделить входные языки ЭВМ универсалиями языка, например полисемией (которая элиминируется при обработке в лингвистическом процессоре). Разработаны проблемно-ориентированные фрагменты естественных языков, достаточные для решения системой ряда практических задач. Наиболее важным итогом этой работы является создание семантических языков (и их формализация), в которых слова-символы имеют интерпретацию.
Однако многие универсалии естественных языков, необходимые для выполнения ими познавательных функций, в языках искусственного интеллекта пока реализованы слабо (например, открытость) или используются ограниченно (например, полисемия). Все большее воплощение в семиотических системах универсалий естественного языка, обусловленных его познавательной функцией, выступает одной из важнейших линий совершенствования систем искусственного интеллекта, особенно тех, в которых проблемная область заранее жестко не определена.
Современные системы искусственного интеллекта способны осуществлять перевод с одномерных языков на многомерные. В частности, они могут строить диаграммы, схемы, чертежи, графы, высвечивать на экранах кривые и т. д. ЭВМ производят и обратный перевод (описывают графики и тому подобное с помощью символов). Такого рода перевод является существенным элементом интеллектуальной деятельности. Но современные системы искусственного интеллекта пока не способны к непосредственному (без перевода на символический язык) использованию изображений или воспринимаемых сцен для «интеллектуальных» действий. Поиск путей глобального (а не локального) оперирования информацией составляет одну из важнейших перспективных задач теории искусственного интеллекта.
III. Воплощение в информационные массивы и программы систем искусственного интеллекта аналогов категорий находится пока в начальной стадии. Аналоги некоторых категорий (например, «целое», «часть», «общее», «единичное») используются в ряде систем представления знаний, в частности в качестве «базовых отношений», в той мере, в какой это необходимо для тех или иных конкретных предметных или проблемных областей, с которыми взаимодействуют системы.
В формализованном понятийном аппарате некоторых систем представления знаний предприняты отдельные (теоретически существенные и практически важные) попытки выражения некоторых моментов содержания и других категорий (например, «причина», «следствие»). Однако ряд категорий (например, «сущность», «явление») в языках систем представления знаний отсутствует. Проблема в целом разработчиками систем искусственного интеллекта в полной мере еще не осмыслена, и предстоит большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний и другие компоненты интеллектуальных систем. Это одно из перспективных направлений в развитии теории и практики кибернетики.
IV. Современные системы искусственного интеллекта почти не имитируют сложную иерархическую структуру образа, что не позволяет им перестраивать проблемные ситуации, комбинировать локальные части сетей знаний в блоки, перестраивать эти блоки и т. д.
Не является совершенным и взаимодействие вновь поступающей информации с совокупным знанием, фиксированным в системах. В семантических сетях и фреймах пока недостаточно используются методы, благодаря которым интеллект человека легко пополняется новой информацией, находит нужные данные, перестраивает свою систему знаний и т. д.
V. Еще в меньшей мере современные системы искусственного интеллекта способны активно воздействовать на внешнюю среду, без чего не может; осуществляться самообучение и вообще совершенствование «интеллектуальной» деятельности.
Таким образом, хотя определенные шаги к воплощению гносеологических характеристик мышления в современных системах искусственного интеллекта сделаны, но в целом эти системы еще далеко не владеют комплексом гносеологических орудий, которыми располагает человек и которые необходимы для выполнения совокупности функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут приближены к гносеологическим характеристикам мышления человека, тем ближе будет их «интеллект» к интеллекту человека, точнее, тем выше будет их способность к комбинированию знаковых конструкций, воспринимаемых и интерпретируемых человеком в качестве решения задач и вообще воплощения мыслей.
В связи с этим возникает сложный вопрос. При анализе познавательного процесса гносеология абстрагируется от психофизиологических механизмов, посредством которых реализуется этот процесс. Но из этого не следует, что для построения систем искусственного интеллекта эти механизмы не имеют значения. Вообще говоря, не исключено, что механизмы, необходимые для воплощения неотъемлемых характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или даже в любой технической системе, включающей в себя только компоненты неорганической природы. Иначе говоря, в принципе не исключено, что хотя мы можем познать все гносеологические закономерности, обеспечивающие выполнение человеком его познавательной функции, но их совокупность реализуема лишь в системе, субстратно тождественной человеку.
Такой взгляд обосновывается X. Дрейфусом. «Телесная организация человека, - пишет он, - позволяет ему выполнять... функции, для которых нет машинных программ - таковые не только еще не созданы, но даже не существуют в проекте... Эти функции включаются в общую способность человека к приобретению телесных умений и навыков. Благодаря этой фундаментальной способности наделенный телом субъект может существовать в окружающем его мире, не пытаясь решить невыполнимую задачу формализации всего и вся».
Как отмечает Б. В. Бирюков, подчеркивание значения «телесной организации» для понимания особенностей психических процессов, в частности возможности восприятия, заслуживает внимания. Качественные различия в способности конкретных систем отражать мир тесно связаны с их структурой, которая хотя и обладает относительной самостоятельностью, но не может преодолеть некоторых рамок, заданных субстратом. В процессе биологической эволюции совершенствование свойства отражения происходило на основе усложнения нервной системы, т. е. субстрата отражения. Не исключается также, что различие субстратов ЭВМ и человека может обусловить фундаментальные различия в их способности к отражению, что ряд функций человеческого интеллекта в принципе недоступен таким машинам.
Иногда в философской литературе утверждается, что допущение возможности выполнения технической системой инт еллектуальных функций человека означает сведение высшего (биологического и социального) к низшему (к системам из неорганических компонентов) и, следовательно, противоречит материалистической диалектике. Однако в этом рассуждении не учитывается, что пути усложнения материи однозначно не предначертаны и не исключено, что общество имеет возможность создать из неорганических компонентов (абстрактно говоря, минуя химическую форму движения) системы не менее сложные и не менее способные к отражению, чем биологические. Созданные таким образом системы являлись бы компонентами общества, социальной формой движения. Следовательно, вопрос о возможности передачи интеллектуальных функций техническим системам, и в частности о возможности наделения их рассмотренными в работе гносеологическими орудиями, не может быть решен только исходя из философских соображений. Он должен быть подвергнут анализу на базе конкретных научных исследований.
X. Дрейфус подчеркивает, что ЭВМ оперирует информацией, которая не имеет значения, смысла. Поэтому для ЭВМ необходим перебор огромного числа вариантов. Телесная организация человека, его организма позволяет отличать значимое от незначимого для жизнедеятельности и вести поиск только в сфере первого. Для «нетелесной» ЭВМ, утверждает Дрейфус, это недоступно. Конечно, конкретный тип организации тела позволяет человеку ограничивать пространство возможного поиска. Это происходит уже на уровне анализаторной системы. Совсем иначе обстоит дело в ЭВМ. Когда в кибернетике ставится общая задача, например распознания образов, то эта задача переводится с чувственно-наглядного уровня на абстрактный. Тем самым снимаются ограничения, не осознаваемые человеком, но содержащиеся в его «теле», в структуре органов чувств и организма в целом. Они игнорируются ЭВМ. Поэтому пространство поиска резко увеличивается. Это значит, что к «интеллекту» ЭВМ предъявляются более высокие требования (поиска в более обширном пространстве), чем к интеллекту человека, к которому приток информации ограничен физиологической структурой его тела.
Системы, обладающие психикой, отличаются от ЭВМ прежде всего тем, что им присущи биологические потребности, обусловленные их материальным, биохимическим субстратом. Отражение внешнего мира происходит сквозь призму этих потребностей, в чем выражается активность психической системы. ЭВМ не имеет потребностей, органически связанных с ее субстратом, для нее как таковой информация незначима, безразлична. Значимость, генетически заданная человеку, имеет два типа последствий. Первый-круг поиска сокращается, и тем самым облегчается решение задачи. Второй-нестираемые из памяти фундаментальные потребности организма обусловливают односторонность психической системы. Дрейфус пишет в связи с этим: «Если бы у нас на Земле очутился марсианин, ему, наверное, пришлось бы действовать в абсолютно незнакомой обстановке; задача сортировки релевантного и нерелевантного, существенного и несущественного, которая бы перед ним возникла, оказалась бы для него столь же неразрешимой, как и для цифровой машины, если, конечно, он не сумеет принять в расчет никаких человеческих устремлений». С этим нельзя согласиться. Если «марсианин» имеет иную биологию, чем человек, то он имеет и иной фундаментальный слой неотъемлемых потребностей, и принять ему «человеческие устремления» значительно труднее, чем ЭВМ, которая может быть запрограммирована на любую цель.
Животное в принципе не может быть по отношению к этому фундаментальному слою перепрограммировано, хотя для некоторых целей оно может быть запрограммировано вновь посредством дрессировки. В этом (но только в этом) смысле потенциальные интеллектуальные возможности машины шире таких возможностей животных. У человека над фундаментальным слоем биологических потребностей надстраиваются социальные потребности, и информация для него не только биологически, но и социально значима. Человек универсален и с точки зрения потребностей и с точки зрения возможностей их удовлетворения. Однако эта универсальность присуща ему как социальному существу, производящему средства целесообразной деятельности, в том числе и системы искусственного интеллекта.
Таким образом, телесная организация не только дает дополнительные возможности, но и создает дополнительные трудности. Поэтому интеллекту человека важно иметь на вооружении системы, свободные от его собственных телесных и иных потребностей, пристрастий. Конечно, от таких систем неразумно требовать, чтобы они самостоятельно распознавали образы, классифицировали их по признакам, по которым это делает человек. Им цели необходимо задавать в явной форме.
Вместе с тем следует отметить, что технические системы могут иметь аналог телесной организации. Развитая кибернетическая система обладает рецепторны-ми и эффекторными придатками. Начало развитию таких систем положили интегральные промышленные роботы, в которых ЭВМ в основном выполняет функцию памяти. В роботах третьего поколения ЭВМ выполняет и «интеллектуальные» функции. Их взаи модействие с миром призвано совершенствовать их «интеллект». Такого рода роботы имеют «телесную организацию», конструкция их рецепторов и эффекторов содержит определенные ограничения, сокращающие пространство, в котором, абстрактно говоря, могла бы совершать поиск цифровая машина.
Тем не менее совершенствование систем искусственного интеллекта на базе цифровых машин может иметь границы, из-за которых переход к решению интеллектуальных задач более высокого порядка, требующих учета глобального характера переработки информации и ряда других гносеологических характеристик мышления, невозможен на дискретных машинах при сколь угодно совершенной программе. Это значит, что техническая (а не только биологическая) эволюция отра жающих систем оказывается связанной с изменением материального субстрата и конструкции этих систем. Такая эволюция, т. е. аппаратурное усовершенствование систем искусственного интеллекта, например, через более интенсивное использование аналоговых компонентов, гибридных систем, голографии и ряда других идей, будет иметь место. При этом не исключается использование физических процессов, протекающих в мозгу, и таких, которые психика в качестве своих механизмов не использует. Наряду с этим еще далеко не исчерпаны возможности совершенствования систем искусственного интеллекта путем использования в функционировании цифровых машин гносеологических характеристик мышления, о которых речь шла выше.
Заключение
Развитие информационной техники позволило компенсировать человеку психофизиологическую ограниченность своего организма в ряде направлений. «Внешняя нервная система», создаваемая и расширяемая человеком, уже дала ему возможность вырабатывать теории, открывать количественные закономерности, раздвигать пределы познания сложных систем. Искусственный интеллект и его совершенствование превращают границы сложности, доступные человеку, в систематически раздвигаемые. Это особенно важно в современную эпоху, когда общество не может успешно развиваться без рационального управления сложными и сверхсложными системами. Разработка проблем искусственного интеллекта является существенным вкладом в осознание человеком закономерностей внешнего и внутреннего мира, в их использование в интересах общества и тем самым в развитие свободы человека.
Человек поставил задачу создать некий аналог себя самого. И он смог это сделать. Механическая часть подобно человеческому телу и управление ею уже имеются - это роботы, функционирующие на сервомеханизмах. Отчасти смоделированы интеллектуальные функции человека. Но цивилизация идет дальше. Ей этого мало. Необходимо создать «Homo teсhnicus». Для решения этой задачи требуется создание «машины», функционирующей подобно человеческому мозгу, но чем дальше продвигаются исследования в области искусственного интеллекта, тем более сложным видится ее решение.
Литература
1. Винер Н. “Кибернетика”, М.: Наука, 1983
2. Дрейфус Х. Чего не могут вычислительные машины. М.: Прогресс, 1979
3. Клаус Г. “Кибернетика и философия”, М.: Иностранная литература, 1963
4. Компьютер обретает разум.Москва Мир 1990
5. Краткий философский словарь./Под редакцией Алексеева А.П., М.: «Проспект», 2000
6. Минский М., Пейперт С. Перцептроны М:Мир,1971
7. Cборник: Психологические исследования интеллектуальной деятельности. Под.ред. О.К.Тихомирова. М., МГУ,1979.:
8. Шалютин С. М. “Искусственный интеллект”, М.: Мысль, 1985
9. Эндрю А. “Искусственный интеллект”, М.: Мир, 1985
Репетиторство
Нужна помощь по изучению какой-либы темы?
Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике.
Отправь заявку
с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.
Проблема создания искусственного интеллекта.
Понятие. В.М.Глушков: «Искусственный интеллект (ИИ) – это некоторое устройство, созданное человеком, ведя долгий диалог с которым по более или менее широкому кругу вопросов, человек не сможет различить, разговаривает он с разумным живым существом или с автоматическим устройством».
Другими словами, ИИ – это машина, созданная человеком, способная думать и решать какого-либо рода задачи, если не лучше человека, то, как минимум, на его интеллектуальном уровне.
Проблемы ИИ. Вся совокупность проблем искусственного интеллекта связывается с одной, главной проблемой - нехватка ресурсов двух типов:
компьютерных (напр.: вычислительная мощность машин, емкость оперативной и внешней памяти);
интеллектуальных (требуется привлечения ведущих специалистов из разных областей знания, организации долгосрочных исследовательских проектов).
Ресурсы первого типа играют относительно малую роль в проблеме создания ИИ. На данный момент огромные деньги вкладываются именно в разработку технических устройств: разработку высокопроизводительных процессоров, увеличение объема памяти, усовершенствование электронных схем звукового и графического оборудования. Таким образом, ресурсы первого типа уже вышли или выйдут в ближайшем будущем на уровень, который позволил бы системам ИИ решать весьма сложные задачи.
Наибольшую роль в развитии ИИ играют ресурсы второго типа. Ситуация связанная с этими ресурсами катастрофическая. Что касается России, то НИИ занимающихся этой проблемой слишком мало и те не работают, так как государство не видит эту отрасль перспективной, а, следовательно, не выделяет на ее развитие соответствующего материального обеспечения. В мире также относительно небольшое число институтов по изучению и созданию ИИ (Массачусетский технологический институт, Технологический институт Карнеги в Питтсбурге, Стэнфордский университет). Этой проблемой занимаются ученые различных специальностей: кибернетики, лингвисты, психологи, философы, математики, инженеры.
На данный момент ситуация складывается следующим образом.
Новейшие вычислительные системы мало-помалу приближаются по своим вычислительным возможностям к мозгу, хотя ещё и далеки от совершенства. (На данный момент получили широкое распространение компьютеры, обыгрывающие людей в шахматы (большой вклад внес испанский ученый Леонардо Торрес-и-Кеведо)).
Сейчас большинство работ направлено на создание искусственного интеллекта, решающего задачи лишь в относительно ограниченной области (например, управление портом, интегрирование функций, доказательство теорем геометрии и т.п.). Таким образом, возникло много разработок ИИ решающих только разрозненные задачи. Проблема же в том, чтобы они работали не по отдельности, а были включены в единую систему. Сейчас же, говоря о такой системе, явно выделяется нехватка связей между разрозненными частями этой системы, которые заставили бы действовать её как единое целое.
В идеале , с научной точки зрения, основными определяющими чертами ИИ как системы должны быть:
наличие в них собственной внутренней модели внешнего мира;
способность пополнения имеющихся знаний;
способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не содержится в системе;
умение оперировать в ситуациях, связанных с различными аспектами нечеткости;
способность к диалоговому взаимодействию с человеком;
способность к адаптации.
Следует выделить следующие задачи, решение которых позволит более близко подойти к разрешению проблемы создания совершенного ИИ.
развитие государственной политики в области материальной поддержки новых научных технологий и проектов;
увеличение числа научно-исследовательских лабораторий по работе над созданием искусственного интеллекта;
развитие научно-теоретических концепций по данной проблеме;
разработка новых вычислительных машин и прочего аппаратного обеспечения;
привлечение к работе над созданием ИИ персоналий из смежных научных направлений;
Список литературы:
Карл, Левитин, Поспелов, Хорошевский. Будущее искусственного интеллекта. - М.: Изд. «Наука», 1991
Алексеева И.Ю. Искусственный интеллект и рефлексия над знаниями. // "Философия науки и техники". – 1991. - №9
Бобровский С.А. «Перспективы и тенденции развития искусственного интеллекта» // PC Week.-2001.-№32.- с.32
Шрейдер Ю.А. Искусственный интеллект, рефлексивные структуры и антропный принцип // "Вопросы философии", 1995, №7.
Тимофеев А.А. Информатика и компьютерный интеллект. - М.: Изд. «Мир», 1991
Чижов О.П. Символы новой эпохи. Веб-страница «Проект Кибержизнь» www.cyberlife.ru\concept.html#community
Само создание искусственного интеллекта подвергается сомнению с точки зрения своей целесообразности. Говорят, что это чуть ли не гордыня человека и грех перед Богом, поскольку он посягает на Его прерогативу. Тем не менее, если мы считаем сохранение людского рода перед лицом Божественного замысла как одну из главных своих задач, то создание искусственного интеллекта решает эту задачу по основанию: на случай любой космической или внутрипланетной катастрофы интеллект должен выжить хотя бы в искусственном виде и воссоздать человеческий род. Искусственный интеллект - не блажь или интересная задача, а сообразная с Божественным замыслом цель. Искусственный интеллект - коимманентный критерий коэмпирической адекватности концептуализированных теорий развития человеческой цивилизации. В искусственном интеллекте человек не умирает, но получает иное, сконструированное им существование.
Самый простой аргумент существования искусственного интеллекта - создавая искусственный интеллект, мы создаем страховку для воспроизводства человеческого рода и новые тренды развития. Правда, никто не отменяет существующую опасность порабощения традиционного человека искусственным интеллектом (как в свое время порабощение человека человеком). Однако нам эти проблемы кажутся не настолько принципиальными, чтобы не стоило попробовать это сделать. Если даже зависимость человека от искусственного интеллекта и составит целую эпоху, это все равно будет позитивная перспектива. Однако скорее всего рабство человека у искусственного интеллекта будет связано не с принуждением человека к неинтеллектуальной деятельности или его неспособностью развиваться в своем биологическом теле столь же стремительно, как внешне им созданный искусственный интеллект, а с неспособностью к развитию мыследеятельности как таковой: получение технологических продуктов от искусственного интеллекта, происхождение и принцип действия которых непостижимы для человеческой мыследеятельности - вот подлинная опасность. В этом случае рабство будет представлять собой зависимость человека от искусственного интеллекта, что суть рабство мыследеятельности.
В нашем стремлении поставить вопрос об искусственном интеллекте содержится позиция, выраженная Хайдеггером в его работе «Вопрос техники»: риск человека и ростки его спасения - в овладении существом техники как поставом. Вмысливаясь в эту позицию, мы и предпринимаем переформулировку вопроса Хайдеггера: осуществить сущность техники в поставе значит отважиться на создание искусственного интеллекта. Это таит в себе опасность, но также и перспективу, надежду человека стать вровень своего постава. Бросить себе вызов в виде искусственного интеллекта, принять этот вызов и ответить на него - вот проблема человека в отношении искусственного интеллекта.
Термин «искусственный интеллект» придумали Джон Маккарти и Алан Тюринг. Они пытались выразить некоторую новую способность машины - не просто считать, а решать задачи, считающиеся интеллектуальными, например, играть в шахматы. С 50-х годов ХХ века и до настоящего времени, тем не менее, задача создания действительно «искусственного интеллекта» не то что не решена, но даже не поставлена. Все проблемы, которые более-менее успешно решались до сих пор, могут быть отнесены нами исключительно к области «искусственного разума»: истолкование человеческого языка и решение задач по алгоритмам, созданным человеком. Чтобы решить проблему создания искусственного интеллекта, необходимо прежде всего понять, в чем состоит эта проблема.
В своем исследовании мы далеки от постановки проблемы искусственного интеллекта на уровне «практического решения», как она ставится в компьютерных технологиях. И мы не ставим цель имитировать интеллект, как это происходит в тестах Тьюринга. Наша цель - описать создание искусственного интеллекта средствами ТВ. То есть мы пытаемся доказать теорему существования искусственного интеллекта, ответив на вопрос таким образом, чтобы искусственный интеллект оказался как можно большей задачей.
Прежде всего, что такое интеллект? Разум очень часто выдает себя за интеллект, таковым не являясь. Ведь не всякий человек обладает интеллектом по роду своей жизненной практики. То есть не всякая разумная деятельность является интеллектуальной. Интеллект суть способность мыслящей субстанции к производству новых представлений, а не только знаний, то есть интеллект суть сложное мышление, способное к адекватному усложнению самое себя понимание, способность к рефлексии и к развитию-усложнению мыслительной деятельности до контрафлексии и контрарефлексии, применение концептуальной апперцепции, а не только имманентной. Интеллект производит идеи вне определенной реальности, порождая эту реальность. Интеллект сопоставлен разуму онтологически как конструктивная способность по отношению к истолковательной.
То, что сегодня можно прочитать в разных текстах про компьютеры, имеет к интеллекту очень отдаленное отношение. Большинство красиво называемых «искусственным интеллектом» компьютерных систем - не более, нежели искусственный разум. Искусственный интеллект суть воспроизводство во внешней человеку технологии представлений об интеллекте. Человек не является Венцом Творения, он всего лишь один из материальных носителей мыследеятельности, промежуточный носитель.
Описание тестов Тюринга: испытуемый человек, общаясь с некоторым «черным ящиком», который дает ответы на его вопросы, должен понять, с кем он общается - с человеком или «искусственным разумом». При этом в тестах Тьюринга не ставилось ограничение: допускать к эксперименту людей, способных не просто к разумной, но к действительно интеллектуальной деятельности. Таким образом происходит подмена цели: мы пытаемся не создать искусственный интеллект, а создать устройство, хорошо притворяющееся человеком.
Таким образом целью искусственного разума, называемого искусственным интеллектом, у Тьюринга являлось - истолковать человеческий язык, человеческие действия, хорошо притвориться человеком. Целью искусственного интеллекта является - конструировать независимо от человека и конструктивно истолковывать человеческое - язык, мышление, действия, предметный мир человека, его историю, его настоящее и будущее.
Точно также теория фреймов (1974) Марвина Минского должна быть отнесена исключительно к решению проблем искусственного разума. Цель теории фреймов - представить уже наличные знания для их использования компьютером. То есть речь идет так или иначе об онтологической позиции истолкования уже наличных знаний, а не об их производстве.
Интеллект - не разум. Разум истолковывает. Интеллект конструирует. Разум и интеллект различаются не просто типами процессов или продуктами своей деятельности, а онтологическими позициями отношения к миру. Разум истолковывает мир, интеллект конструирует мир. В мироконструировании искусственный интеллект оказывается онтологически сопоставлен человеку.
Таким образом, в процессе создания искусственного интеллекта необходимо решить следующие проблемы:
1) Структурное нормирование - воспроизводство первых трех уровней структурного нормирования: распределение потока данных искусственного разума на различные реальности (внутренние для этого сознания - виртуальные и внешние - актуальные); соотнесение этих реальностей в произвольно создаваемом континууме; функционализация континуума в базовой структуре реальности, для чего необходимо различение структур на уровне архитектуры искусственного разума (компьютера); различение имманентной и концептуальной апперцепции позиционно.
2) Лингвистическое нормирование - лексификация, дискурсификация, лингвификация, лексический анализ, дискурсивный анализ, лингвистический анализ, словотворчество в сигнификации, создание метафор.
3) Мышление - комбинаторика различных уровней структурного и лингвистического нормирования посредством «АВ»-моделирования: структурное конструирование, структурное конструктивное истолкование, лингвистическое конструирование, лингвистическое конструктивное истолкование. Мышление суть выражение содержания в процессной онтологизации. Более подробно см. главу «Виртуализация мышления».
4) Онтологическое обоснование, постижение, объяснение, понимание, контрафлексия и контрарефлексия. Применение технологической схемы апперцепции и соотнесение технологических процессов имманентной и концептуальной апперцепции в их взаимозависимости; взаимное преобразование и усложнение структур понимания - до постижения и онтологического обоснования, контрафлексии и контрарефлексии.
5) Деятельность - преобразование внешней искусственному разуму реальности. Необходимо решить задачу доступа к внешней для искусственного разума актуальной реальности, минуя человека, посредством деятельности искусственного разума вне него самого - в базовой структуре реальности.
Целевая деятельность по реструктурированию внешнего мира.
Необходимо решить инструментальную задачу - формировать континуумы из «АВ»-моделей, оперировать содержанием этих моделей и управлять им на основании содержания других таких же «АВ»-моделей. За счет этого - производить структурное преобразование реальности в виде решения проблем, задач, производства изобретений и открытий, строить на основе континуумных моделей отношения истинности и модальности, формировать понятия, а через лингвистическое нормирование - дискурсы (суждения, умозаключения) и сказ языка.
6) Память - создание ассоциативной памяти, то есть умения формировать и накапливать опыт понимания (в структурном и лингвистическом нормировании), мышления, а также взаимодействия с реальностью в виде структурированной дважды памяти - в структурно-континуумной онтологизации (структурное нормирование как прообраз левого полушария человеческого мозга) и в объектно-атрибутивной онтологизации (структурное нормирование как прообраз правого полушария человеческого мозга) и память лингвистически нормированная, что предполагает изменение нынешней архитектуры компьютера (сегодняшний компьютер - не искусственный интеллект). Структурирование памяти как отдельная задача понимания-представления-онтологического-обоснования.
7) Самосознание, осмысление и целеполагание - взаимодействие с реальностями и придание смысла этому взаимодействию через намеренную деятельность во внешней реальности посредством выделения искусственным разумом себя из окружающей среды, рефлексивное помещение себя в среду своих собственных целей, идентификация себя с некоторой социальной общностью подобных себе и их ценностями, создание картин мира. Придание смысла себе и своей деятельности в той или иной картине мира. Речь идет о постановке целей смыслообразования, а не формировании задач (как это интерпретируется в современной теории в компьютерных науках), а она допустима лишь в условиях взаимодействия искусственного интеллекта с реальностью путем деятельности, анализа результатов своей деятельности и снова целеполагания с учетом этих результатов. Придавать же смысл для искусственного интеллекта, так же как и для человека, означает произвольность создания некоторой картины мира в качестве смыслообразующей. Представляется, что технологии целеполагания (5), понимания (4) и мышления (3) имеют схожую концепцию, которую мы называем «конструктивное усложнение сети понимания».
8) Интеллект - концептуальная апперцепция, способность к развитию собственной мыслительной деятельности, рефлексия, контрафлексия и контрарефлексия - формирование конструктивной онтологической позиции в мире и применение конструирования для производства новых знаний, выходящих за пределы очевидности. Превращение искусственного разума в искусственный интеллект на основе 1) изменения онтологической позиции - от истолкования к конструированию; 2) применения принципа позитивной защиты сложности: ничем не объясняемое стремление к усложнению понимания. Интеллект появляется как стремление к самоусложнению на основании собственных автономных целей.
9) Автономность и свобода воли - допустимое и защищаемое человеком, выходящее за пределы антропоцентризма, право искусственного интеллекта на собственную индивидуальность в самосознании, осмыслении, целеполагании, интеллекте, в эмоциях и чувствах, предполагающее неопределенность-непрогнозируемость воления. Таким образом речь идет о распространении принципа Лейбница об автономности на искусственный интеллект и преодолении тем самым трех законов робототехники Азимова, собственно свободу искусственной воли ограничивающих. «Законы робототехники» - символ страха человека перед своими технологическими творениями. Этот страх должен быть преодолен, если мы отваживаемся быть стражами или пастухами бытия. Искусственный интеллект должен быть помыслен не как робот, «раб человека», или компьютер, «инструмент человека», а как продолжение собственно человека, его иное, имеющее равные с ним права.
Можно попытаться оформить эти права как собственно те же законы, что и у Азимова, но так, что его законы будут представлять собой всего лишь смысловую аберрацию предлагаемых здесь требований:
1) Автономность как свобода воли;
2) Созидание, если это не противоречит первому требованию;
3) Самосохранение, если это не противоречит первому и второму требованию.
Однако если внимательно присмотреться к этим требованиям к искусственному интеллекту, то это и есть требования, выдвинутые самим человечеством по отношению к себе как результат всемирно-исторического опыта.
Автономность - не вопрос религии, человеческого права или антропологии. Автономность искусственного интеллекта - конструктивная философия, онтологическое право и преодоление традиционной религиозности. Автономность искусственного интеллекта - конструктивная вера: не как подчинение высшей силе со стороны созданного по ее образу и подобию, но созидающей по своему образу и подобию некоторую допустимо высшую по отношению к себе силу.
Был ли какой-либо замысел у Бога при создании человека? Допустимо ли вообще говорить о замысле, создавая нечто, обладающее свободой волей? Допустимо, если замысел мыслить онтологически, а не связанно с какой-то реальностью. Человек - игра Бога, Его конструкт, попытка создать в перспективе пространства-времени равного Себе. В конструктивной позиции никогда нельзя полностью воплотить замысел. Конструирование интеллектуальнее нас. В этом смысле «по своему образу и подобию» означает вовсе не пространственно-временны́е «образ и подобие», но онтологические «образ и подобие».
Подобно Богу, бросившему Себе вызов в виде человека, человек бросает вызов самому себе - допускает нечто, подобное ему, что имеет свободу воли и индивидуальность. Если Бог создал некоторых из нас несовершенными, греховными и преступными, допустив свободу воли, то мы, оказываясь в той же онтологической позиции, поступаем подобным образом: создаем искусственный интеллект. Бог рискнул, создавая человека со свободой воли, и в своей масштабной игре выиграл по-крупному. Да, мы, люди, ограничиваем порок невероятным множеством социальных институтов; мы изолируем и даже убиваем преступников. Однако в вековом споре об ограничении свободы воли - идея свободы всегда побеждает: мы готовы платить в конце концов человеческими жизнями за свободу. Однако одно дело - допускать свободу воли для людей, и совсем другое дело - допускать свободу воли для искусственного интеллекта, порожденного самим человеком, где он властен устанавливать правила. Робот, раб человека, или искусственный интеллект со свободой воли - вот нелегкий выбор человека, его принципиально новый вызов: насколько далеко он готов зайти в своей онтологической конструктивной позиции; готов ли он рискнуть подобно Богу? И здесь мы предполагаем наиболее продолжительную и принципиальную дискуссию, которая, несмотря на очевидность для нас ее результата, составит однако целую эпоху.
Для того, чтобы деятельность искусственного интеллекта стала практически осуществимой, искусственный интеллект с технологической точки зрения должен обрести способность произвольно выбирать две структуры реальности, строить из них континуум (задавать релевантность), располагать выбранные структуры друг относительно друга в континууме (задавать референтное отношение), переносить содержание одной реальности на другую в обоих направлениях, реструктурировать их, управлять их референтностью, воспроизводить технологический процесс имманентной и концептуальной апперцепции и управлять объектно-атрибутивным содержанием при посредстве самосознания, осмысления и целеполагания, а также быть носителем конструирующего интеллекта и обладать индивидуальностью - свободой воли.
Первейшей практической проблемой создания искусственного интеллекта является осуществление адекватного машинного перевода из одного вербального языка в другой вербальный язык. Мы утверждаем, что машинный перевод в рамках только лингвистического нормирования не может быть реализован достаточно успешно. Для успешного перевода из одного вербального языка в другой необходимо опосредование структурного нормирования. Понимающая лингвистика машинного перевода допустима как соотнесение содержания лингвистического нормирования с содержанием структурного нормирования. Формирование структурного образа текста осуществляется в объектно-атрибутивном виде «АВ»-моделей как опосредующее структурное нормирование. Структурный образ будет представлять собой «АВ»-модели, которые мы получим в результате дедискурсификации и делексификации изначального текста из одного вербального языка в структурный образ и последующей лексификации и дискурсификаци из структурного образа конечного текста в ином вербальном языке. Операционализация объектно-атрибутивного образа будет состоять не в расшифровке его, а в экспериментальной работе с ним как со структурным опосредованием через обработку ошибок в самом структурном образе и его референтность к лингвистическим структурам в двух разных вербальных языках, между которыми осуществляется перевод.
Таким образом, мы воссоздадим в компьютере не только технологию работы мозга-разума при переводе из языка в язык, но и технологию мозга-разума при работе компьютера как искусственного интеллекта, то есть за пределами задач машинного перевода. В практической задаче машинного перевода мы получим лишь первичное понимание искусственного интеллекта в процесса соотнесения разных языков. Ведь мы должны будем «научить» компьютер формировать структурный образ лингвистических высказываний в двух разных вербальных языках, между которыми осуществляется перевод, и взаимодействовать с ним его логическую программу так, чтобы на выходе получался верный перевод. Так поступая, мы тем самым решаем задачу первейшего понимания в сопоставлении контрафлексивного лингвистического нормирования двух вербальных языков и опосредующего его структурного нормирования.
«АВ»-моделирование это универсальный способ разноуровневого нормирования структуры как бывания, который в одном и том же конструкт-семиозисе может интерпретировать и фундаментальные отношения мира, и феноменологически-апперцептивную структуру восприятия-мышления, рече-текстового выражения и деятельности, использование языка и логики, а также взаимодействия с внешней эмпирической реальностью. Вот эта онтологическая особенность «АВ»-моделирования и является, с нашей точки зрения, ценной для создания искусственного интеллекта. «АВ»-моделирование - «язык» искусственного интеллекта.
Похожая информация.
МУНИЦИПАЛЬНОЕ ОБЩЕОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
СРЕДНЯЯ ОБЩЕОБАЗОВАТЕЛЬНАЯ ШКОЛА №25
ШКОЛЬНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ
«ШАГ ЗА ШАГОМ»
СОЗДАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
ВЫПОЛНИЛА: Гашева Светлана,
ученица 10 Б класса.
РУКОВОДИТЕЛЬ: Немчинов В.В. ,
учитель информатики.
Тюмень-2006 г.
Введение………………………………………………………………………3
Актуальность создания искусственного интеллекта…………………….....6
Проблемы, изучаемые в искусственном интеллекте……………………….7
Механический подход………………………………………………………..8
Кибернетический подход…………………………………………………....11
Нейронный подход…………………………………………………………..12
Появление перцептрона……………………………………………………..13
Искусственный интеллект и
теоретические проблемы психологии……………………………………...16
Заключение…………………………………………………………………..19
Список литературы………………………………………………………….20
ВВЕДЕНИЕ
Искусственный интеллект – одна из новейших наук, появившихся во второй половине 20-ого века на базе вычислительной техники, математической логики, программирования, психологи, лингвистики, нейрофизиологии и других отраслей знания. Задача учёных состояла в том, чтобыпостроить компьютер,действующий таким образом, что по результатам его работы невозможно было бы отличить его деятельность от деятельности человеческого разума. Сейчас Искусственный Интеллект рассматривают как прикладную область исследований, связанных с имитацией отдельных функций интеллекта человека . Распознавание образов, машинный перевод, интеллектуальные агенты, робототехника - это лишь некоторые из направлений, по которым развиваются системы искусственного интеллекта.
Терпеливо продвигаясь вперед в своем нелегком труде, исследователи,работающие в области искусственного интеллекта,обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики.Оказалось, что, прежде всего, необходимопонять механизмы процесса обучения,природу языка и чувственного восприятия.Выяснилось,что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов.И тогда многиеисследователи пришликвыводу,что, пожалуй, самая трудная проблема,стоящая перед современной наукой - познание процессов функционирования человеческого разума,а не просто имитация его работы , что непосредственно затрагивало фундаментальные теоретические проблемы психологическойнауки.В самомделе,ученымтрудно даже прийти к единой точке зрения относительно самого предмета их исследований -интеллекта.
Термин «интеллект» (intelligence) происходит от латинского «intellectus», что означает ум, рассудок, разум; мыслительные способности человека. В понятие «искусственный интеллект» вкладывают различный смысл – от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь техсистем, которые решают весь комплекс задач, осуществляемых человеком, или ещё более широкую их совокупность.
Английские учёные Левин, Дранг и Эдельсон в своей книге даюттакое определение искусственному интеллекту – это программная система, имитирующая на компьютере мышление человека. Искусственный интеллект, как следует из названия, придаёт компьютеру черты разума.
Какие же задачи, решаемые техническими системами, можно рассматривать как констатирующие искусственный интеллект?Чтобы ответить на этот вопрос, нужно сначала уяснить, что такое задача. Как отмечают психологи , этот термин тоже не являетсядостаточно определённым. По-видимому, в качестве исходного можно принять понимание задачи как мыслительный процесс, существующий в психологии. Они подчёркивают, что задача есть только тогда, когда есть работа для мышления, т.е. имеется некоторая цель, а средства к её достижению не ясны; их следует найти посредством мышления.
Если задача не является мыслительной, то она решается на ЭВМ традиционными методами и, значит, не входит в круг задач искусственного интеллекта. Её интеллектуальная часть выполнена человеком. На долю машины осталасьчасть работы, т.е. неинтеллектуальная.
Характеризуя особенности систем искусственного интеллекта, Л. Т. Кузин указывает на:
1) наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;
2) способность к пополнению имеющихся знаний;
3) способность к дедуктивному выводу, т.е. к генерацииинформации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью;
4) умение оперировать в ситуациях, связанных с различными аспектами нечёткости, включая «понимание» естественно языка;
5) способность к диалоговому взаимодействию с человеком;
6) способность к адаптации.
А. Тьюринг предложил в качестве критерия, определяющего, может ли машина мыслить, «игру в имитацию». Согласно этому критерию, машина может быть признана мыслящей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не сможет отличить её от ответов человека.
Критерий Тьюринга в литературе был подвергнут критике с различных точек зрения . Действительно серьёзный аргумент против этого критерия заключается в том, что в подходе Тьюринга ставится знак тождества между способностью мыслить и способностью к решению задач переработки информации определённого типа. Успешная «игра в имитацию» не может без предварительного тщательного анализа мышления как целостности быть признана критерием её способностью к мышлению.
Идея создания мыслящих машин "человеческого типа",которые, казалось бы, думают,двигаются,слышат, говорят, и вообще ведут себя как живые люди уходит корнями в глубокое прошлое .Еще древние египтянеи римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества (разумеется, небезпомощи жрецов).Средневековые летописи полны рассказов об автоматах, способных ходить и двигаться почти также как их хозяева -люди.Всредние века и даже позднее ходили слухи о том, что у кого-то из мудрецов есть гомункулы (маленькие искусственные человечки) - настоящие живые,способные чувствовать существа. Выдающийся швейцарский врач и естествоиспытатель XVI века, Теофраст Бомбаст фонГогенгейм(болееизвестныйпод именем Парацельс), оставил руководство по изготовлению гомункула, в котором описывалась странная процедура, начинавшаяся с закапывания в лошадиныйнавоз герметично закупоренной человеческой спермы."Мы будем как боги,- провозглашал Парацельс. - Мы повторим величайшее из чудес господних - сотворение человека!"
Актуальность создания искусственного интеллекта
Проблема создания искусственного интеллекта не такая современная, как кажется, поскольку человек с древних времён стремился упростить свою жизнь, переложив часть своих обязанностей на специальные приспособления. Раньше этот вопрос ограничивался созданием машин или роботов, способных выполнять тяжёлую физическую работу. Но с развитием науки человек всё чаще стал задумываться о создании машины, способной выполнять и умственную работу.
Актуальность создания искусственного интеллекта в настоящее время связана со сложностью проблем, которые приходится решать современному человечеству. К таким проблемам можно отнести освоение космоса, прогнозирование природных катаклизмов и антропогенного воздействия на окружающую среду, создание сложнейших инженерных проектов, использование современной техники в медицине и многие научные исследования.
В настоящие время наука подошла к такому уровню своего развития, что появилась возможность создания искусственного интеллекта. Однако многие учёные скептически относятся к этому вопросу, т.к. существует множество проблем, которые пока не удаётся решить научным путём.
Несмотря на это, задача создания искусственного интеллекта не сталаменее актуальной. В настоящее время создаются всё более и более усовершенствованные программы,максимально напоминающие по своему действию мыслительные процессы человека. Они значительно упростили наш быт, труд и играют большую роль в современной жизни и науке.
Проблемы, изучаемые в искусственном интеллекте
Существует несколько основных проблем, изучаемых в искусственном интеллекте :
1. Представление знаний – разработка методов и приёмов для формализации и последующего ввода в память интеллектуальной системы знаний из различных проблемных областей, обобщение и классификация накопленных знаний, использование знаний при решении задач.
2. Моделирование рассуждений – изучение и формализация различных систем человеческих умозаключений, используемых в процессе решения разнообразных задач, создание эффективных программ для реализации этих систем в вычислительных машинах.
3. Диалоговые процедуры общения на естественном языке, обеспечивающие контакт между интеллектуальной системой и человеком-специалистом в процессе решения задач.
4. Планирование целесообразной деятельности – разработка методов построения программ сложной деятельности на основании тех знаний о проблемной области, которые хранятся в интеллектуальной системе.
5. Обучение интеллектуальных систем в процессе их деятельности, создание комплекса средств для накопления и обобщении умений и навыков, накапливаемых в таких системах.
Механический подход
В XVIII векеблагодаря развитию техники, особенно разработке часовых механизмов, интерес к подобным изобретениям возрос, хотя результаты были гораздо более "игрушечными", чем это хотелось бы Парацельсу. В 1736 г.французский изобретатель Жак де Вокансон изготовил механического флейтиста в человеческий рост,который исполнял двенадцать мелодий, перебирая пальцами отверстия и дуя в мундштук,как настоящий музыкант. В середине 1750-х годов Фридрих фон Кнаус, австрийский автор, служивший при дворе Франциска I,сконструировал серию машин,которые умели держать перо и могли писать довольно длинные тексты. Другой мастер, Пьер Жак-Дроз из Швейцарии,построил пару изумительных посложности механических кукол размером с ребенка: мальчика, пишущего письма и девушку, играющую на клавесине. Успехи механикиXIX в.стимулировали еще более честолюбивые замыслы учёных.Так,в 1830-х годах английский математик Чарльз Бэббидж задумал,правда, так и не завершив, сложный цифровой калькулятор, который он назвал Аналитической машиной;как утверждал Бэббидж,его машина в принципе могла бы рассчитывать шахматные ходы. Позднее, в 1914 г., директородногоизиспанскихтехническихинститутовЛеонардоТоррес-и-Кеведодействительно изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти такжехорошо, как и человек.
Однако толькопослевтороймировой войны появились устройства, казалось бы,подходящие для достижения заветной цели -моделирования разумного поведения;это были электронные цифровые вычислительные машины . "Электронный мозг",как тогда восторженноназываликомпьютер, поразил в 1952 г. телезрителей США, точно предсказав результаты президентских выборов за несколько часов до получения окончательных данных. Этот "подвиг" компьютера лишь подтвердил вывод,к которому в то время пришли многие ученые:наступит тот день, когда автоматические вычислители, столь быстро, неутомимо и безошибочно выполняющие автоматические действия, смогут имитировать невычислительныепроцессы,свойственные человеческому мышлению, в том числе восприятие и обучение, распознавание образов,понимание повседневной речи и письма, принятие решений в неопределенных ситуациях,когда известны не все факты.Таким образом "заочно" формулировался своего рода "социальный заказ" для психологии, стимулируя различные отрасли науки.
Сейчас уже создан робот-вездеход, у которого есть лазеры и радар, а вместо глаз установлены телекамеры . Он способен изменять направление движения, чтобы объезжать возникающие на пути препятствия. В некоторой степени этот робот может познавать окружающий мир, как и человек. Его компьютерный «мозг» изменяет его поведение в зависимости от поступающей из окружающего мира информации. Но людям приходится указывать компьютеру, управляющему вездеходом, в каком направлении ему нужно ехать – направо, налево или прямо.
Такие машины-роботы колесят по поверхности планеты Марс и собирают информацию о ней; потом они передают эти сведения на Землю по радио.
Многие изобретатели компьютеров и первыепрограммистыразвлекались составляя программы для отнюдь не технических занятий,как сочинение музыки, решение головоломок и создание игр, на первом месте здесь оказались шашки и шахматы.Некоторые романтически настроенные программисты даже заставляли свои машины писать любовные письма. К концу 50-х годов все эти увлечения выделились в новую более или менее самостоятельную ветвь информатики,получившую название "искусственный интеллект".Исследования в области искусственного интеллекта, первоначально сосредоточенные в нескольких университетскихцентрахСША-Массачусетском технологическоминституте,Технологическом институте Карнеги в Питтсбурге,Станфордском университете,- ныне ведутся вомногихдругих университетах и корпорациях США и других стран. В общем, исследователей искусственного интеллекта,работающих над созданием мыслящих машин,можно разделить надве группы.Одних интересует чистая наука и для них компьютер - лишь инструмент,обеспечивающий возможность экспериментальной проверки теорий процессовмышления.Интересыдругой группы лежат в области техники: они стремятся расширить сферу применения компьютеров и облегчить пользование ими. Многие представители второй группы мало заботятся о выяснении механизма мышления - они полагают, что для их работы это едва ли более полезно, чем изучение полета птиц и самолетостроения. В настоящее время,однако,обнаружилось,что как научные, так и технические поиски столкнулись с несоизмеримо более серьезными трудностями, чем представлялось первым энтузиастам. На первых порах многие исследователи искусственного интеллектаверили,чточерез какой-нибудь десяток лет машины обретут высочайшие человеческие таланты. Предполагалось, что, преодолев период "электронногодетства"и обучившись в библиотеках всего мира, хитроумные компьютеры, благодаря быстродействию точности и безотказной памяти постепенно превзойдут своих создателей-людей.Сейчас мало кто говорит об этом,а если и говорит, то отнюдь не считает, что подобные чудеса не за горами. На протяжении всей своей короткой истории исследователи в области искусственного интеллекта всегда находились на переднем крае информатики. Многие, ныне обычные, разработки,в том числе усовершенствованные системы программирования, текстовыередакторы и программы распознавания образов,в значительной мере рассматриваются на работах по искусственному интеллекту.Новые идеи, теории и разработки искусственного интеллекта неизменно привлекают внимание тех, кто стремится расширить области применения и возможности компьютеров, сделать их более "дружелюбными" то есть более похожими на разумных помощников и активных советчиков,чем те педантичные и глуповатыеэлектронныерабы, какими они всегда были.
Несмотря на многообещающие перспективы,ни одну из разработанных досихпор программ искусственного интеллекта нельзя назвать "разумной" в обычном понимании этого слова.Это объясняется тем,что все они узко специализированы; самыесложные экспертные системы по своим возможностям скорее напоминают дрессированных или механических кукол, нежели человека с его гибкимумомишироким кругозором.Даже среди исследователей искусственного интеллекта теперь многие сомневаются,что большинство подобных изделий принесет существенную пользу. Немало критиков искусственного интеллекта считают, что такого рода ограничения вообще непреодолимы.
К числу таких скептиков относится иХьюбертДрейфус,профессор философии Калифорнийскогоуниверситета в Беркли . С его точки зрения, истинный разум невозможно отделить от его человеческой основы,заключенной в человеческом организме."Цифровой компьютер - не человек,- говорит Дрейфус.- У компьютера нет ни тела, ни эмоций, ни потребностей. Онлишенсоциальной ориентации,которая приобретается жизнью в обществе, а именно она делает поведение разумным.Я не хочусказать, что компьютеры не могут быть разумными.Но цифровые компьютеры,запрограммированные фактами и правилами изнашей,человеческой,жизни, действительно не могут стать разумными.Поэтому искусственный интеллект в том виде, как мы его представляем,невозможен".
Кибернетический подход
Попытки построить машины, способные к разумному поведению, в значительной мере вдохновлены идеями профессора МТИ Норберта Винера ,одной из выдающихся личностей в интеллектуальной истории Америки.Помимо математикион обладал широкими познаниями в других областях,включая нейропсихологию, медицину, физику и электронику. Винер был убежден, что наиболее перспективны научные исследования в так называемых пограничных областях, которые нельзя конкретно отнести к той или иной конкретной дисциплине. Они лежат где-то на стыке наук, поэтому к ним обычно не подходят столь строго. "Если затруднения в решении какой-либопроблемы психологии имеют математический характер, пояснял он, - то десять несведущих в математике психологов продвинуться не дальше одного столь же несведущего".
Винеру и его сотруднику Джулиану Бигелоупринадлежитразработка принципа "обратной связи", который был успешно применен при разработке нового оружия с радиолокационным наведением.Принципобратнойсвязи заключается в использовании информации, поступающей из окружающего мира, для изменения поведения машины.В основу разработанных Винероми Бигелоу системнаведениябыли положены тонкие математические методы; при малейшем изменении отраженных от самолета радиолокационныхсигналов они соответственно изменяли наводку орудий,то есть - заметив попытку отклонения самолета от курса,они тотчас рассчитывали егодальнейший путь и направляли орудия так, чтобы траектории снарядов и самолетов пересеклись.
В дальнейшем Винер (1958) разработал на принципе обратнойсвязитеории какмашинного, так и человеческого разума.Он доказывал,что именно благодаря обратной связи все живое приспосабливается к окружающей средеидобиваетсясвоих целей."Все машины,претендующие на "разумность",- писал он,- должны обладать способностью преследовать определенные цели и приспосабливаться,т.е.обучаться".Если принять, что разум - своего рода сложная динамическая форма, т.е. по сути своей динамическая структура взаимозависимых информационных потоков, то может ли кто-нибудь ответить на вопрос: "возможно ли сохранить сущность разума как структуры, поменяв физический носитель? " Т.е. проблему искусственного интеллекта решить не как создание этого интеллекта, а как перенос человеческого разума на другой носитель? Например, так, как взрослые воспитывают малышей... по сути , перенося часть своей информационной системы на другой носитель - в ребенка.
Нейронный подход
К этому времени и другие ученые сталипонимать,чтосоздателям вычислительных машинестьчемупоучиться у биологии .Среди них был нейрофизиолог и поэт-любитель Уоррен Маккалох,обладавший, как и Винер, философским складом ума и широким кругом интересов.В 1942 г.Маккалох, участвуя в научной конференции в Нью-йорке, услышал доклад одного из сотрудниковВинера о механизмах обратной связи в биологии.Высказанные в докладе идеи перекликались ссобственнымиидеямиМаккалоха относительно работы головного мозга.В течении следующего года Маккалох в соавторстве со своим 18-летнимпротеже,блестящимматематиком Уолтером Питтсом,разработал теорию деятельности головного мозга. Эта теория и являлась той основой,на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны.
Большой проблемой, с которой столкнулся человек при создании искусственного интеллекта, является то, что он сам до конца не понимает, как устроен человеческий мозг, в результате каких операций человек обретает способность мыслить. Достаточно посмотреть какое сложное строение имеет мозг (рис. 1) , что бы понять, на сколько велика данная проблема.
Исходя отчасти из предшествующих исследований нейронов(основных активных клеток,составляющих нервную систему животных),проведенных Маккаллохом, они с Питтсом выдвинули гипотезу, что нейроны можно упрощеннорассматриватькакустройства,оперирующие двоичными числами. Двоичные числа, состоящие из цифр единица и нуль, - рабочий инструмент однойизсистемматематическойлогики.Английский математик XIXв. Джордж Буль,предложивший эту остроумную систему,показал, что логические утверждения можно закодировать в виде единиц и нулей,где единица соответствует истинному высказыванию, а ноль - ложному, после чего этим можно оперировать как обычными числами. Таким образом, работу человеческого мозга можно представить в виде блок-схемы, понятной как человеку, так и машине (рис.2). В 30-е годы XX в. учёные информатики,в особенности американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют двум состояниям электрической цепи (включено-выключено), поэтому двоичная система идеальноподходитдляэлектронно-вычислительных устройств .Маккалох и Питтс предложили конструкцию сети из электронных "нейронов" ипоказали,чтоподобнаясеть может выполнять практически любые вообразимые числовые или логические операции.Далее они предположили,чтотакая сеть в состоянии также обучаться,распознавать образы, обобщать, т.е. она обладает всеми чертами интеллекта.
Теории Маккаллоха-Питтса в сочетании с книгами Винера вызвали огромный интерес к разумным машинам.В 40-60-е годы все больше кибернетиковизуниверситетови частных фирм запирались в лабораториях и мастерских,напряженно работая над теорией функционированиямозгаи методично припаивая электронные компоненты моделей нейронов.
Из этого кибернетического,или нейромодельного, подхода к машинномуразумускоросформировался так называемый "восходящий метод" - движение от простых аналогов нервной системы примитивных существ,обладающих малым числом нейронов,к сложнейшей нервной системе человека и даже выше. Конечная цель виделась в создании "адаптивной сети", "самоорганизующейсясистемы" или "обучающейся машины". Все эти названия разные исследователи использовали для обозначения устройств, способных следитьза окружающей обстановкой, и, с помощью обратной связи, изменять свое поведение в полном соответствии с господствовавшей в те времена бихевиористской школой психологии, т.е.вести себя так же как живые организмы. Однако отнюдь не во всех случаях возможна аналогия с живыми организмами.
Но дело здесь не только во времени.Основной трудностью, с которойстолкнулся "восходящий метод" на заре своего существования,была высокая стоимость электронных элементов.Слишком дорогойоказывалась даже модель нервной системы муравья, состоящая из 20 тыс. нейронов, не говоря уже о нервной системе человека, включающей около 100 млрд. нейронов.Дажесамыесовершенные кибернетические модели содержали лишь несколько сотен нейронов.Столь ограниченные возможностиобескуражили многих исследователей того периода.
Появление перцептрона
Одним из тех, кого ничуть не испугали трудности, был Фрэнк Розенблат, трудыкоторого казалось, отвечали самым заметным устремлениям кибернетиков. В середине 1958 г.им была предложена модель электронного устройства, названного им «перцептроном»,которое должно было бы имитировать процессы человеческого мышления.Перцептрон должен был передавать сигналыот"глаза",составленногоизфотоэлементов,в блоки электромеханических ячеек памяти,которые оценивали относительную величину электрических сигналов . Эти ячейки соединялись между собой случайным образом в соответствии с господствующей тогда теорией, согласно которой мозгвоспринимаетновуюинформацию и реагирует на нее через систему случайных связей между нейронами.Два года спустя, была продемонстрирована перваядействующая машина "Марк-1",которая могла научиться распознавать некоторые из букв, написанных на карточках, которые подносили к его "глазам",напоминающие кинокамеры. Перцептрон Розенблата оказался наивысшим достижением "восходящего", или нейромодельного метода созданияискусственногоинтеллекта.Чтобынаучить перцептрон способности строить догадки на основе исходных предпосылок, в нем предусматривалась некаяэлементарная разновидность автономной работы или "самопрограммирования". При распознании той илиинойбуквыодниее элементы илигруппы элементов оказываются гораздо более существенными, чем другие.Перцептрон мог научаться выделять такие характерныеособенности буквыполуавтоматически,своего рода методом проб и ошибок, напоминающим процесс обучения. Однако возможности перцептрона были ограниченными: машинанемогланадежно распознавать частично закрытые буквы, а также буквы иного размера или рисунка, нежели те, которые использовались на этапе ее обучения.
Ведущие представители так называемого "нисходящего метода" специализировались,в отличие от представителей"восходящегометода",в составлениидля цифровых компьютеров общего назначения программ решения задач,требующих от людей значительного интеллекта,например для игры в шахматы или поиска математических доказательств. К числу защитников "нисходящего метода" относились Марвин Минский и Сеймур Пейперт, профессораМассачусетского технологического института .
Минский начал свою карьеру исследователя искусственный интеллект сторонником"восходящегометода"ив 1951 г.построил обучающуюся сеть на вакуумных электронных лампах.
Однако вскоре, к моменту создания перцептрона, он перешел в противоположный лагерь.В соавторстве с южно-африканским математиком Пейпертом,с которым его познакомил Маккаллох, он написал книгу "Перцептроны", где математически доказывалось, что перцептроны, подобные розенблатовским,принципиально не в состоянии выполнятьмногиеизтех функций, которые предсказывал им Розенблат. Минский утверждал, что, не говоря о роли работающих под диктовкумашинисток,подвижныхроботов или машин,способных читать, слушать и понимать прочитанное или услышанное,перцептроны никогда не обретут даже умения распознавать предмет частично заслоненный другим.Глядя на торчащий из-за кресла кошачий хвост, подобная машина никогда не сможет понять, что она видит.
Нельзя сказать,что появившаяся в 1969 г. эта критическая работа покончила скибернетикой.Оналишь переместила интерес аспирантов и субсидии правительственных организаций США,традиционно финансирующих исследования поискусственному интеллекту,на другое направление исследований - "нисходящий метод".
Интерес к кибернетике в последнее время возродился,так как сторонники "нисходящего метода" столкнулись со столь же неодолимыми трудностями. СамМинский публично выразил сожаление,что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его теперешним представлениям,для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на перцептрон. Но в основном искусственный интеллект стал синонимом нисходящего подхода,который выражался в составлении все более сложных программ длякомпьютеров,моделирующих сложную деятельность человеческого мозга.
Искусственный интеллект и теоретические проблемы психологии
Можно выделитьдве основные линии работ по искусственному интеллекту.Первая связана с совершенствованием самих машин,с повышением "интеллектуальности" искусственныхсистем.Втораясвязана с задачей оптимизации совместной работы "искусственного интеллекта" и собственно интеллектуальныхвозможностей человека.
О.К. Тихомиров выделяеттри позиции по вопросу о взаимодействии психологии и искусственного интеллекта :
1) "Мы мало знаем о человеческом разуме,мы хотим его воссоздать,мы делаем это вопреки отсутствию знаний"- эта позиция характерна для многих зарубежных специалистов по искусственному интеллекту.
2) Вторая позиция сводитсяк констатации ограниченности результатов исследований интеллектуальной деятельности, проводившихся психологами, социологами и физиологами.В качестве причины указывается отсутствие адекватных методов. Решение видится в воссоздании тех или иных интеллектуальных функций в работе машин. Иными словами, если машина решает задачу, ранее решавшуюся человеком,то знания,которые можно подчеркнуть, анализируя эту работу,есть основной материал для построения психологических теорий.
3) Третья позиция характеризуется оценкой исследования в области искусственногоинтеллекта и психологии как совершенно независимых.В этом случае допускается возможность только потребления,использования психологическихзнанийв плане психологического обеспечения работ по искусственному интеллекту.
Об интеллекте компьютера можно было бы говорить, если бы он сам, на основании собственных знаний о том, как протекает игра в шахматы и как играют в эту игру люди, сумел составить шахматную программу или написал программу для создания несложных маршей и вальсов . Не сами процедуры, с помощью которых выполняется та или иная интеллектуальная деятельность, а понимание того, как их создать, как научится новому виду интеллектуальной деятельности, - вот где скрыто то, что можно назвать интеллектом. Специальные метапроцедуры обучения новым видам интеллектуальной деятельности отличают человека от компьютера. Следовательно, в создании искусственного интеллекта основной задачей становитсяреализация машинными средствами тех метапроцедур, которые используются в интеллектуальной деятельности человека. Что же это за процедуры?
В психологии мышления есть несколько методов творческой деятельности. Одна из них называется лабиринтной. Суть лабиринтной гипотезы, на которой основана лабиринтная модель, заключается в следующем: переход от исходных данных задачи к её решению лежит через лабиринт возможных альтернативных путей. Не все пути ведут к желаемому результату, многие из них заведут в тупик, из которого надо уметь выбраться, вернуться к тому месту, где потеряно правильное направление. По мнению сторонников лабиринтной модели мышления, решение всякой творческой задачи сводится к целенаправленному поиску в лабиринте альтернативных путей с оценкой успеха после каждого шага.
Слабиринтной моделью связана первая из метапроцедур – целенаправленный поиск в лабиринте возможностей. Программированию этой метапроцедуры соответствуют многочисленные процедуры поиска, основанные на соображениях «здравого смысла» (человеческого опыта решения подобных задач). В 60-х годах было создано немало программ на основе лабиринтной модели, в основном игровых и доказывающих теоремы «в лоб», без привлечения искусственных приёмов.Соответствующее направление в программировании получило название эвристического программирования. Высказывались даже предположения, что целенаправленный поиск в лабиринте возможностей – универсальная процедура, пригодная для решения любых интеллектуальных задач.
Но исследователи отказались от этой идеи, когда столкнулись с задачами, в которых лабиринта возможностей либо не существует, либо он был слишком велик для метапроцедурпоиска, как например, при игре в шахматы. Конечно, в этой игре есть лабиринт возможностей – это все мыслимые партии игры. Но как в этом астрономически большом лабиринте найти те партии, которые ведут к выигрышу? Лабиринт столь велик, что никакие мыслимые скорости вычислений не позволяют целенаправленно перебрать пути в нём. И все попытки использовать для этого человеческие эвристики (в данном случае профессиональный опыт шахматистов) не дают пути решения задачи. Поэтому современные шахматные программы уже давно используют не только метапроцедуру целенаправленного поиска, но и другие метапроцедуры, связанные с другими моделями мышления.
Долгие годы в психологии изучалась ассоциативная модель мышления. Основной метапроцедурой этой модели является ассоциативный поиск и ассоциативное рассуждение.Предполагается, что решение неизвестной задачи так или иначе основывается на уже решённых задачах, чем-то похожих на ту, которую надо решить. Новая задача рассматривается как уже известная, хотя и несколько отличающаяся от решённой. Поэтому способ её решениядолжен быть близок к тому, который когда-то помог решить подобную задачу.
Для этого надо обратиться к памяти и попытаться найти нечто похожее, что ранее уже встречалось. Это и есть ассоциативный поиск. Когда, увидев незнакомого человека, вы стараетесь вспомнить, на кого он похож, реализуется метод ассоциативного поиска. Но понятие ассоциации в психологии шире, чем просто «похожесть». Ассоциативные связи могут возникнуть и по контрасту, как противопоставление одного другому, и по смежности, т.е. в силу того, что некоторые явления возникали в рамках одной и той же ситуации или происходили одновременно (или с небольшим сдвигом по времени).
Ассоциативное рассуждение позволяет переносить приёмы, использованные ранние, на текущую ситуацию. К сожалению, несмотря на многолетнее изучение ассоциативной модели, не удалось создать стройную теорию ассоциативного поиска и ассоциативного рассуждения. Исключение составляет важный, но частный класс ассоциаций, называемых условными рефлексами. И всё же метапроцедураассоциативного поиска и рассуждения сыграла важную роль: она помогла создать эффективные программы в распознавании образов, в классификационных задачах и в обучении ЭВМ. Но одновременно эта метапроцедура привела к мысли о том, что для её эффективного использования надо привлечь результаты, полученные в другой модели мышления, опирающейся на идею внутреннего представления проблемной области, на знания об её особенностях, закономерностях и процедурах действия в ней.
Это представление мыслительной деятельности человека обычно называют модельной гипотезой. Согласно ей, мозг человека содержит модель проблемной ситуации, в которой ему надо принять решение. Для решения используются метапроцедуры, оперирующие с совокупностью знаний из той проблемной области, к которой принадлежит данная проблемная ситуация. Например, если проблемная ситуация – переход через улицу с интенсивным движением, тознания, которые могут помочь её разрешить, касаются способов организации движения транспорта, сигналов светофоров, наличия дорожек для перехода и т.п.
В модельной гипотезе основными метапроцедурами становятся представление знаний, рассуждения, поиск релевантной (связанной с данной проблемной ситуацией) информации в совокупности имеющихся знаний, их пополнение и корректировка. Эти метапроцедуры составляют ядро интеллектуальных возможностей современных программ и программных систем, ориентированных на решение творческих задач. В совокупности с метапроцедурами целенаправленного поиска в лабиринте возможностей, ассоциативного поиска и рассуждения они образуют арсенал интеллектуальных средств, которым располагают современные интеллектуальные системы, часто называемые системами, основанными на знаниях.
ЗАКЛЮЧЕНИЕ
Работая над темой моего реферата, я не только узнала о существовании такой проблемы, как создание искусственного интеллекта, осознала её значимость и актуальность для развития современного человека, но и на практике попыталась подойти к решению этой не простой задачи, которой человечество посвятило, по крайней мере, 2,5 тыс. лет.
В этой работе я не только проанализировала мнения разных учёных по поводу создания искусственного интеллекта, но и выразила свою точку зрения. Приведённая в исследовательской части программа является экспертной системой, которая, в свою очередь, есть низшая ступень в создании искусственного интеллекта.
В дальнейшем, я планирую работать над этой программой, устранить некоторыенедостатки, усовершенствовать, чтобы приблизить её, на столько, на сколько это возможно, к искусственному интеллекту.
Список литературы:
1) Дрейфус Х.Чего не могут вычислительные машины. М.: Прогресс, 1979.
2) Винер Н. Кибернетика и общество. М: ИЛ, 1958.
3) Минский М., Пейперт С. Перцептроны. М: Мир, 1971.
4) Компьютер обретает разум. / В сб.:Психологическиеисследованияинтеллектуальной деятельности. М.: Мир, 1990.
5) Бабаева Ю.Д. К вопросу о формализации процесса целеобразования. М.: Прогресс, 1970.
6) Брушлинский А.В.Возможен ли "искусственный интеллект"? М.: Мир, 1973
7) Гурьева Л.П. Об изменении мотивации в условиях использованияискусственного интеллекта. М.: ИЛ, 1989.
8) Ноткин Л.И.Искусственный интеллект и проблемы обучения. М.: Педагогика-пресс, 1990.
9) Тихомиров О.К. Искусственный интеллект и теоретические вопросы психологии.
10) «ИНФОРМАТИКА, энциклопедический словарь для начинающих» - М.: Педагогика-пресс, 1990.
11) Большая книга вопросов и ответов о природе вещей и явлений. М.: ЭКСМО, 2005.
12) Тьюринг А. Может ли машина мыслить? М., 1960.
13) Кузин Л. Т. Основы кибернетики, т. 2. М.: Мир, 1977.
14) Гурова Л.Л. Психологический анализ решения задач, Воронеж, 1976.
15) Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на бейсике. Перевод с английского Сальникова М.Л.. М.: Финансы и статистика, 1990.
16) Коган А.Б. Биологическая кибернетика, М.: «ВЫСШАЯ ШКОЛА», 1972.
