Штучний інтелект

 

Моделі та методи досліджень

 

Символьне моделювання  розумових процесів

Аналізуючи історію  ШІ, можна виділити таке обширне  напрямок як моделювання міркувань. Довгі роки розвиток цієї науки рухалося саме по цьому шляху, і тепер це одна з найбільш розвинених областей у сучасному ШІ. Моделювання міркувань увазі створення символьних систем, на вході яких поставлена ​​якась задача, а на виході потрібно її рішення. Як правило, пропонована завдання вже формалізована, тобто переведена в математичну форму, але або не має алгоритму рішення, або він занадто складний, трудомісткий і т. п. В цей напрямок входять: доказ теорем, прийняття рішень і теорія ігор, планування і диспетчеризація , прогнозування.

 

Робота з природними мовами

 

Важливим напрямом є  обробка природної мови, в рамках якого проводиться аналіз можливостей розуміння, обробки та генерації текстів на «людському» мовою. У рамках цього напрямку ставиться мета такої обробки природної мови, яка була б в змозі придбати знання самостійно, читаючи існуючий текст, доступний по Інтернету. Деякі прямі застосування обробки природної мови включають інформаційний пошук (в тому числі, глибокий аналіз тексту) і машинний переклад.

 

Представлення і використання знань

 

Напрямок інженерія  знань об'єднує завдання отримання  знань з простої інформації, їх систематизації і використання. Цей напрямок історично пов'язане зі створенням експертних систем - програм, що використовують спеціалізовані бази знань для отримання достовірних висновків з якої-небудь проблеми.

Виробництво знань з даних - одна з базових проблем інтелектуального аналізу даних. Існують різні підходи до вирішення цієї проблеми, в тому числі - на основі нейромережевої технології, що використовують процедури вербалізації нейронних мереж.

 

Машинне навчання

 

Проблематика машинного навчання стосується процесу самостійного отримання знань інтелектуальною системою в процесі її роботи. Цей напрям був центральним з самого початку розвитку ШІ. У 1956 році, на Дартмундской річної конференції, Рей Соломонофф написав звіт про ймовірнісної машині, яка навчається без учителя, назвавши її: «Індуктивна машина виводу» .

Навчання без учителя - дозволяє розпізнати образи у вхідному потоці. Навчання з вчителем включає  також класифікацію та регресійний  аналіз. Класифікація використовується, щоб визначити, до якої категорії належить образ. Регресійний аналіз використовується, щоб в рядах числових прикладів входу / виходу та виявити безперервну функцію, на підставі якої можна було б прогнозувати вихід. При навчанні агент винагороджується за хороші відповіді і карається за погані. Вони можуть бути проаналізовані з точки зору теорії рішень, використовуючи такі поняття як корисність. Математичний аналіз машинних алгоритмів вивчення - це розділ теоретичної інформатики, відомий як обчислювальна теорія навчання (англ. Computational learning theory).

До області машинного  навчання відноситься великий клас задач на розпізнавання образів. Наприклад, це розпізнавання символів, рукописного тексту, мовлення, аналіз текстів. Багато завдання успішно вирішуються за допомогою біологічного моделювання (див. слід. Пункт). Особливо варто згадати комп'ютерне зір, яке пов'язане ще і з робототехнікою.

 

Біологічне моделювання  штучного інтелекту

 

Відрізняється від розуміння  штучного інтелекту по Джону Маккарті, коли виходять з положення про те, що штучні системи не зобов'язані повторювати у своїй структурі й функціонуванні структуру і протікають в ній процеси, притаманні біологічним системам. Прихильники даного підходу вважають, що феномени людської поведінки, його здатність до навчання та адаптації є наслідок саме біологічної структури і особливостей її функціонування.

Сюди можна віднести кілька напрямків. Нейронні мережі використовуються для вирішення нечітких і складних проблем, таких як розпізнавання  геометричних фігур або кластеризація об'єктів. Генетичний підхід заснований на ідеї, що якийсь алгоритм може стати більш ефективним, якщо запозичить кращі характеристики в інших алгоритмів («батьків»). Відносно новий підхід, де ставиться завдання створення автономної програми - агента, що взаємодіє із зовнішнім середовищем, називається агентного підходу.

 

Робототехніка

 

Галузі робототехніки  і штучного інтелекту тісно пов'язані  один з одним. Інтегрування цих двох наук, створення інтелектуальних  роботів складають ще один напрямок ШІ. Інтелектуальність потрібно роботам, щоб маніпулювати об'єктами, виконувати навігацію з проблемами локалізації (визначати місцезнаходження, вивчати найближчі області) та планувати рух (як добратися до мети). Прикладом інтелектуальної робототехніки можуть служити іграшки-роботи Pleo, AIBO, QRIO.

Машинне творчість

Природа людської творчості  ще менш вивчена, ніж природа інтелекту. Тим не менш, ця область існує, і  тут поставлені проблеми написання  комп'ютером музики, літературних творів (часто - віршів або казок), художня творчість. Створення реалістичних образів широко використовується в кіно і індустрії ігор.

Окремо виділяється  вивчення проблем технічної творчості  систем штучного інтелекту. Теорія рішення  винахідницьких задач, запропонована  в 1946 році Г. С. Альтшуллером, поклала початок таким дослідженням.

Додавання даної можливості до будь інтелектуальній системі  дозволяє досить наочно продемонструвати, що саме система сприймає і як це розуміє. Додаванням шуму замість відсутньої інформації або фільтрація шуму наявними в системі знаннями виробляє з абстрактних знань конкретні образи, легко сприймані людиною, особливо це корисно для інтуїтивних і малоцінних знань, перевірка яких у формальному вигляді вимагає значних розумових зусиль.

Інші області досліджень

Нарешті, існує маса додатків штучного інтелекту, кожне з яких утворює майже самостійний напрям. В якості прикладів можна навести  програмування інтелекту в комп'ютерних  іграх, нелінійне керування, інтелектуальні системи інформаційної безпеки.

Можна помітити, що багато областей досліджень перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, здавалося б, різними напрямками виражена особливо сильно, і це пов'язано з філософським суперечкою про сильному і слабкому ШІ.

 

Сучасний штучний інтелект

 

ASIMO - Інтелектуальний  гуманоїдний робот фірми Honda

Можна виділити два напрямки розвитку ШІ:

вирішення проблем, пов'язаних з наближенням спеціалізованих  систем ШІ до можливостей людини, і  їх інтеграції, яка реалізована природою людини (див. Посилення інтелекту);

створення штучного розуму, що представляє інтеграцію вже створених  систем ШІ в єдину систему, здатну вирішувати проблеми людства (див. Сильний  і слабкий штучний інтелект).

Але зараз в області  штучного інтелекту спостерігається залучення багатьох предметних областей, що мають скоріше практичне ставлення до ШІ, а не фундаментальне. Багато підходи були випробувані, але до виникнення штучного розуму жодна дослідницька група поки так і не підійшла. Нижче представлені лише деякі найбільш відомі розробки в галузі ШІ.

Застосування

 

Турнір RoboCup

Деякі з найбільш відомих  ІІ-систем:

Deep Blue - переміг чемпіона світу  з шахів. Матч Каспаров проти  суперЕОМ не приніс задоволення  ні комп'ютерникам, ні шахістам, і система не була визнана Каспаровим (докладніше див Людина проти комп'ютера). Потім лінія суперкомп'ютерів IBM проявилася в проектах brute force BluGene (молекулярне моделювання) і моделювання системи пірамідальних клітин в швейцарському центрі Blue Brain .

Watson - перспективна розробка IBM, здатна сприймати людську мову і виробляти імовірнісний пошук, із застосуванням великої кількості алгоритмів. Для демонстрації роботи Watson взяв участь в американській грі «Jeopardy!», Аналога «Своєї гри» в Росії, де системі вдалося виграти в обох іграх .

MYCIN - одна з ранніх експертних  систем, яка могла діагностувати  невеликий набір захворювань,  причому часто так само точно,  як і доктора.

20Q - проект, заснований на ідеях  ШІ, за мотивами класичної гри  «20 запитань». Став дуже популярний  після появи в Інтернеті на сайті 20q.net.

Розпізнавання мови. Системи такі як ViaVoice здатні обслуговувати споживачів.

Роботи в щорічному турнірі RoboCup змагаються в спрощеній формі  футболу.

Банки застосовують системи штучного інтелекту (СІІ) в страховій діяльності (актуарна математика), при грі на біржі і управлінні власністю. Методи розпізнавання образів (включаючи, як більш складні і спеціалізовані, так і нейронні мережі) широко використовують при оптичному і акустичному розпізнаванні (у тому числі тексту й мови), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також для забезпечення ряду інших завдань національної безпеки.

Розробники комп'ютерних ігор застосовують ИИ в тій чи іншій мірі опрацьованості. Це утворює поняття «Ігровий штучний інтелект». Стандартними завданнями ІІ в іграх є знаходження шляху у двовимірному або тривимірному просторі, імітація поведінки бойової одиниці, розрахунок вірної економічної стратегії і так далі.