Глава 1. Основные понятия искусственного интеллекта
Искусственный интеллект
Искусственный интеллект
Дело в том, что принципы обработки информации и алгоритмы, обеспечивающие подражание человеческой личности, применимы и для задач самоанализа. Кроме того, слияние человека и кибернетического существа рассматривается неоэзотерикой как одно из возможных направлений эволюции. Специалист в области искусственного интеллекта подготовил для нашего сайта несколько обзорных статей. Основной задачей искусственного интеллекта считалось построение компьютера, способного мыслить, как человек, то есть обладающего интеллектом, способностью осознанного осмысления и активной обработки поступающей информации. Первые поколения исследователей полагали: Однако развитие событий показало, что такая постановка задачи не вполне корректна. Совсем недавно появилась публикация о том, что система "искусственного интеллекта" достаточно долго поддерживала общение в одном из интернет-"чатов" chat - болтовня, система группового общения в режиме онлайн , так что никто из собеседников не смог обнаружить подвоха. Следует ли считать, таким образом, что задача создания искусственного интеллекта решена? Или, напротив, полученный результат является свидетельством уровня интеллекта чатов, поддерживаемых представителями "Дженерейшн Пи"? Что же такое искусственный интеллект? С прикладной точки зрения, под системами искусственного интеллекта понимаются компьютерные программы, обеспечивающие: В принципе, искусственный интеллект как наука и область технологии не ставит перед собой задачу создания системы, обладающей одновременно всеми вышеперечисленными свойствами. Следует отметить, что к настоящему времени области искусственного интеллекта и робототехники являются различными направлениями "кибернетической" науки, так что задача создания робота, подобного человеку, на данном этапе не ставится. Под роботом понимается автомат, поведение которого определяется некоторым алгоритмом, в то время как интеллектуальная система не является автоматом, поскольку должна быть способна иметь дело с алгоритмически неразрешимыми задачами. Эвристические методы обработки информации. Предположим, имеется поток входящей информации I t. Задачей системы является выделение в этом потоке некоторых закономерностей, с последующим их сопоставлением с определенными знаками, символами, понятиями концептами или иными символическими элементарными структурами: Примером таких задач являются дешифрация кодированных сообщений например, расшифровка информации от радиотелескопов, перехваты кодированных сообщений противника в военной отрасли, помехоустойчивое кодирование, защита банковской информации и др. Несомненно, данная группа задач, с большим трудом поддающихся формализации, может быть отнесена к искусственному интеллекту. Следует отметить, однако, что естественный интеллект справляется с подобными задачами довольно слабо, так что формализованные неинтеллектуальные алгоритмы часто демонстрируют в данной отрасли лучшие результаты, чем человеческое мышление. Тем не менее, в области распознавания образов искусственный интеллект пока проигрывает естественному. Вообще, задача распознавания образов, формально относящаяся к рассматриваемой группе проблем искусственного интеллекта, становится предметом некоторой терминологической путаницы. Современные "интеллектуальные" роботы менее способны к визуальному восприятию окружающего мира, чем высшие животные. Следует ли признать существование животного интеллекта, а если так, то в чем его отличие от интеллекта человека? С точки зрения искусственного интеллекта как науки, долгое время считалось, что компьютер должен мыслить, как человек, чтобы обладать интеллектом. То есть, компьютер должен обладать некоторой структурой личности, свободой воли и др. Оказалось, однако, что механизмы классификации, используемые при распознавании образов, то есть свойственные высшим животными, обладают огромным потенциалом восприятия. Потенциально, мозг высших животных обладает значительно более мощными средствами, чем современные компьютеры, в то время как решение формальных задач требует значительно меньших ресурсов, чем распознавание образов. Мозг человека способен заменить несколько сотен параллельных суперкомпьютеров, куда же деваются его ресурсы? Любое высшее животное обладает мощным потенциалом решения формальных задач, почему же оно так и остается животным? Для реализации механизмов логического мышления методом резолюций, используемым в системах на языке Пролог, достаточно создать исходную виртуальную машину, то есть программу объемом кода в сотню килобайт. Объем же человеческого мозга составляет свыше Гб, то есть в миллион раз больше! Скорость передачи данных в этом случае особого значения не имеет, поскольку в человеческом мозге каждый сигнал может передаваться одновременно по нескольким десяткам тысяч каналов, в то время как Пролог-машина выполняет эти действия последовательно. Таким образом, даже если учесть, что электронные схемы выполняют примитивные логические операции в несколько сотен раз быстрее, чем нейроны мозга высших животных и человека, все это быстродействие теряется за счет последовательной архитектуры современных компьютеров. Вообще, сравнение потенциальных возможностей человеческого мозга и современного компьютера - весьма бесперспективное занятие, принимая во внимание различия в архитектуре и принципах работы этих систем. Особенно, учитывая современные нейрофизиологические представления о полевой структуре информационных взаимодействий в человеческом мозге, складывающихся по Прибраму в единую голографическую картину. Это означает, в частности, что, если бы работа человеческого мозга была бы организована как следует, его возможности оказались бы, по современным представлениям, поистине безграничными! Но никто не способен разработать совершенную "программу", способную организовать и применить потенциал человеческого мозга, кроме владельца этого мозга. Все это, однако, довольно далеко от предмета нашего рассмотрения. Возвращаясь к эвристическим методам обработки информации, они получили неожиданное применение в сфере биржевых спекуляций. Ни одна солидная брокерская контора не обходится без совершенно секретной программы, моделирующей динамику котировок акций в различных отраслях бизнеса, с учетом текущих событий. Общение на естественном языке или, как часто называют эту задачу, "естественно-языковый интерфейс", еще недавно считалось вполне достижимой задачей. Несколько лет назад фирма Microsoft объявила о том, что ее новая операционная система Windows будет снабжена таким интерфейсом с возможностью распознавания голосовых команд. Оказалось, однако, что естественно-языковый интерфейс оказался то ли слишком сложным, то ли ненужным для большинства пользователей, так что Windows вышла фактически с тем же графическим интерфейсом, что и ее предшественницы 10 лет назад. Следует отметить, что естественно-языковый интерфейс был одной из целей знаменитого проекта по созданию искусственного интеллекта ESPRIT, проводимого в гг обширным совместным коллективом ученых Европы и Японии. По общему мнению, и реально достигнутым результатам, проект полностью провалился. Стало ли тому виной мощное сопротивление коммерческого лобби фирм-производителей традиционных компьютеров, или иные причины, связанные с недооценкой научной проблемы - пока неясно. В отличие от искусственных, компьютерных языков программирования, естественный язык является контекстно-зависимым. В общем случае, значение символа ai зависит от контекста a1a Формализация контекстно-зависимых языков в настоящее время выходит за пределы современного научного знания. Поэтому в практической сфере, в частности, в системах автоматического перевода, используются эмпирические подходы, основанные на использовании словарей в комбинации с фреймовыми шаблонными методами установления контекстных зависимостей. Поиск данных в массивах слабоформализованной информации на основании слабоформализованных запросов - задача, сходная с рассмотренными выше, то есть комбинация первой и второй задач. При этом некоторая часть входного массива первой задачи представляет собой тексты на естественном языке, в то время как другая часть может являться мультимедийной информацией, графикой, звуком и др. Данная задача получила неожиданное применение с развитием интернета в области информационно-поисковых систем. Возникла идея создания "сообщества" community т. Предполагалось, что пользователь интернета мог бы обращаться к своему "агенту", а тот, в свою очередь, к другим агентам сети с целью поиска нужных сведений. Архитектура системы в целом оказывается близка к архитектуре интернета, оказавшейся исключительно удачной для построения глобальных сетей. В начале-середине 90х годов велись довольно активные работы в данном направлении. Были разработаны несколько проектов языков управления знаниями, призванных расширить успехи, достигнутые в области формальных баз данных в годах господствовало мнение о том, что знания и данные - примерно одно и то же, но об этом далее. Однако ни один из проектов так и не получил сколь-нибудь широкого распространения. Идея интеллектуальных агентов, несмотря на относительную простоту и эффективность, не прижилась. Оказалось, что в большинстве случаев более удобно заполнить бланк структурированного запроса, что, само по себе, часто помогает сформулировать вопрос более ясно для самого спрашивающего, и, тем самым, уточнить критерии поиска. Обработка и представление знаний. В х годах возникло направление в развитии "интеллектуальных" информационных систем, ставшее на время весьма популярным. Это были так называемые "экспертные системы", задачей которых являлось моделирование знаний экспертов - специалистов в той или иной предметной области. Поначалу, данные системы пытались использовать в медицине, геологии, технике и даже в социальных науках. Оказалось, однако, что даже хорошо спроектированная и под завязку наполненная знаниями медицинская экспертная система едва ли обладает способностями сельского фельдшера в практической диагностике и лечении сколь-нибудь серьезных заболеваний. Основным методом, применяемым при создании экспертных систем, была алгоритмизация или формализация экспертного мышления, например, путем построения формализованных схем диагностики и лечения. Однако опыт показал, что эксперту чрезвычайно сложно формализовать собственные знания и рассуждения. В конечном счете, формальная "модель знаний" часто оказывалась противоречивой, в особенности, если в ее формировании участвовало более одного эксперта. Противоречивость и неполнота модели знаний не позволяли использовать мощные формально-логические механизмы логического вывода, поэтому была предпринята попытка частной алгоритмизации знаний в виде систем продукций вида "Если-то иначе-потому что". Здесь разработчики столкнулись с проблемой интерпретации системы продукций: Чтобы управлять процессом интерпретации продукций, нужно было определять метаправила все более высоких уровней, что зачастую оказывалось исключительно сложной и практически неосуществимой задачей. К середине 90х годов стало ясно, что построение экспертных систем на статической платформе формально-логических или алгоритмических моделей невозможно. Практика показала, что невозможно построить "интеллектуальную" систему, используя лишь статические знания и методы их обработки. Интеллектуальная система должна самообучаться, в т. К середине 90х годов так и не было разработано ни одной самообучающихся экспертной системы, предназначенной для промышленного применения. Некогда модное направление в области информационных систем быстро оказалось забытым. Моделирование личности - казалось бы, самая экзотическая область практического применения искусственного интеллекта неожиданно оказалась востребованной как раз тогда, когда об экспертных системах начали забывать - в середине 90х годов. Именно в это время ведущие специалисты в области Behavioral AI бихейвиорального интеллекта, если использовать термин из психологии Р. Мэйс были приглашены в лабораторию ролевых игр компании SONY. В самом деле, областью применения искусственного интеллекта стали компьютерные игры. Разнообразным компьютерным монстрам, драконам, инопланетянам прививаются не только определенные "личностные" свойства, но даже способность самообучения в процессе игры. Другой областью применения "искусственных личностей" стали военные системы управления боем, различные тренажеры и др. На сегодняшний день, существует две группы подходов к построению систем искусственного интеллекта. Первая группа основана на логических и символических методах Novel AI , вторая - на динамических сетевых моделях behavioral AI. До недавнего времени, логические подходы в фактически господствовали как в теоретической, так и в прикладной сферах искусственного интеллекта. Действительно, что, если не способность логически мыслить, является основным отличительным свойством интеллектуальной системы? Однако формально-логические методы искусственного интеллекта оказались на практике слишком ограниченными. Оказалось, что формальные модели теоретически действенны лишь тогда, когда "базовый аксиоматический набор" является полным и непротиворечивым, но и это условие не является достаточным для построения прикладных вычислительно эффективных систем. В практических реализациях, для сохранения жизнеспособности системы в условиях противоречивости, делались попытки использовать времязависимые и условно-зависимые аксиоматические наборы, разрабатывались различные экзотические механизмы логического вывода, которые, в сущности, основывались на формальных вычислительных алгоритмах, но не на концепциях и построениях математической логики. Неполная адекватность вычислительных и логических моделей, связанная с необходимостью решения "проблемы остановки", то есть выхода из зацикливания, зачастую делает результат работы таких систем совершенно непредсказуемым. Еще более сложным и проблематичным оказалось реализация свойств самообучения логических систем. В данном приложении, обучение есть расширение или модификация аксиоматического набора, то есть посягательство на "святая святых" логической системы! Возможно, проблема обучения и ограниченность логических подходов могли бы быть преодолены в терминах логики предикатов высших порядков, но, к настоящему времени, отсутствуют эффективные вычислительные модели по их реализации. Функциональность систем, основанных на логических методах, не устраивала ни теоретиков, ни практических разработчиков, ни пользователей, в результате чего формально-логическое направление к настоящему времени фактически пришло в упадок. Другая группа методов искусственного интеллекта, носящая английское название "Behavioural AI", в отечественной литературе называлась семантическими сетями. Основная идея этих методов была хорошо определена Р. Бруксом в формуле "Интеллектуальность есть эмергентное свойство определенного рода сложных систем ". Эмергентность, или эмергентная функция - это такое качество, которое свойственно системе в целом, но не присуще ни одной из ее отдельных компонент. В техническом системном анализе, эмергентную функцию называют также системообразующей, однако такое определение не вполне справедливо для естественных систем. По мнению специалистов, поддерживающих бихейвиоральное направление, интеллектуальность есть не столько способность логически мыслить, сколько способность принимать рациональные решения. Часто такие решения получаются не столько путем логических построений, сколько методами аргументации, простейшим из которых является взвешивание множества "за" и "против" среди возможных альтернатив выбора. Очевидно, данный класс моделей свободен от ряда недостатков, свойственных логическим подходам. Сетевые модели вполне устойчивы в условиях противоречивости и неполноты хотя и не всегда , легко обучаются путем адаптации к соотношениям стимул-реакция, и даже способны эволюционировать, наращивая свою вычислительную эффективность без постороннего вмешательства. Однако можно ли считать бихейвиоральные подходы действительно интеллектуальными? Ведь, в подавляющем большинстве, системы данного класса строятся на автоматных моделях, в то время как интеллект по определению отличен от автоматизма. С другой стороны, механизмы логического вывода и другие символические методы также реализуются не иначе, чем через автоматные модели различных классов, будь то контекстно-свободные грамматики или мат аппарат логики возможных миров. Ясно, однако, что на практике противопоставление логических методов сетевой динамике попросту отсутствует. В человеческой личности левополушарная рассудительность соседствует с правополушарной чувствительностью и интуицией, образуя единый интеллектуальный организм. В практических приложениях искусственного интеллекта совершенно неважно, является ли полученное решение результатом рассуждений или аргументации, нужно лишь, чтобы оно было верным. Здесь, однако, обнаруживаются нюансы в определении терминов "верный" и "правильный", столь тонко отраженные в русском языке. Правильным является решение, полученное на основании определенных правил, такое решение, способ получения которого может быть формально описан и пошагово проверен. Верное решение - это решение, основанное на вере и принимаемое на веру, притом что под верой понимается знание. Однако знание далеко не всегда может быть проверено, поскольку, по определению, "знание есть совокупность сведений о мире, в той или иной степени подтвержденных общественной практикой". Правильное решение является результатом рассуждений, верное решение получается путем аргументации. Важно, что оба решения являются истинными, хотя истинность - это скорее логический эквивалент правильности по отношению к текущему аксиоматическому набору, в то время как верность - результат накопленного или приобретенного опыта. Более того, верное решение является истинным по отношению к будущим событиям, но может быть неистинным с логической точки зрения на момент принятия решения, в особенности, в условиях сильной противоречивости или неопределенности текущих условий. Формальная логика есть автоматизм не в меньшей степени, чем элементарное поведение типа стимул-реакция. Неточность базового аксиоматического набора приводит к неверности, неистинности системы в целом. По одной из теорем Геделя, истинность логической системы не может быть доказана в ее же логических терминах. Конечно, все это вовсе не обозначает, что логические методы искусственного интеллекта бесполезны. Человек, принимая решение, основывается на знаниях. При отсутствии прямых знаний, он может использовать рассуждения, чтобы расширить существующую модель путем построения одного или нескольких возможных миров, и затем применить аргументацию. Если неопределенность по-прежнему остается слишком высокой, человек действует наугад. Таким образом, в процессе принятия решений человеком используются различные механизмы мышления, включая, но, не ограничиваясь логическими рассуждениями и аргументацией. Мы рассмотрели процедуру принятия решения, не затронув при этом другие интеллектуальные функции, такие как восприятие и научение. Скорее всего, эти свойства определяются способностью интеллектуальной системы к самоорганизации. Report Abuse Powered By Google Sites. Премия по современной эзотерике. Быть или не быть. Видео, беседы, нео эзотерика. Интегральная йога и NZ. Виды логики и теория меры. Логика - основа философии. Ванга, Шерешевкий, Мессинг, Давиташвилли, Тесла. Общая теория систем Урманцева 2. Первая и последняя инкарнации, предназначение. Футурология, Искусственный интеллект, эзотерика. Идеальное государство, общество и Рациократия. Планетарное правительство и эзократия. Эволюция человека и психология эволюции. Тифоанализ и нео эзотерика. Золотые правила и свет на Пути индийских йогов. Техника медитаций и базовые состояния. Психонавтика, психоделики, трип, транс. Эзократия - сетевое человечество. Война индивидуалов против сети. Матричное сознание и эзократия. Навигация в пространстве знаний. Основные направления и школы. Искусственный интеллект и теория самоорганизации. Смирнова Психотехнология Эволюция человека и психология эволюции Эзотерика. Антропоцентрическая модель Тифоанализ и нео эзотерика Сверхчеловек Будущее человека Психологические вирусы Генно-модифицированный человек Психологическая защита Антропология Блаватской Антропология буддизма Креационизм Синергетика1 NZ-практика Практика с сознанием Эзотерическая практика 1 Вопросы по NZ-практике Медитация 1 Неоэзотерический психоанализ Психическая энергия Классификация медитаций Золотые правила и свет на Пути индийских йогов Измененные состояния сознания Личностные качества Техника медитаций и базовые состояния Управление судьбой Целительство Астральные бои Психонавтика, психоделики, трип, транс Психоделики, трип, транс-3 Трип 5. Абстрактное движение Шаг 2. Формы знания Шаг 4. Критерий Прохода Шаг 5. Эзотерический конструктор Шаг 6. Система мышления Словарь nz-терминов Полезная информация Навигация в пространстве знаний Древняя эзотерика Египет Таро Каббала Учения Древнего Востока Философия Сущность философии Классификация философий Основные направления и школы Парапсихология Обзор парапсихологии Современная парапсихология Голографическая модель Психология Обзор психологии Психические образы Психоанализ Полиграф Лингвистика Лингвистика Классификация языков Искусственные языки Санскрит Теория познания и Эвристика Теория познания Гносеология Модели познания Эвристика Триз 1 Триз 2 Триз 3 Математика Метатеория Метаматематика Обзор математики Философия математики Философские вопросы математики Кибернетика Обзор кибернетики Искусственный интеллект Искусственный интеллект и теория самоорганизации Физика Обзор физики Физика микромира Элементарные частицы Происхождение Вселенной Устройство Вселенной Источник энергии Опыты Козырева Астрономия Обзор астрономии Проблемы астрономии История и социология Социология Новая хронология Интегральная социология Ауробиндо Биология Обзор биологии Эволюционное учение Исследования мозга Полушария мозга Геном человека Проект "Геном человека" Химия Химия-алхимия Биохимия мозга Классификация наркотических веществ Классификация наркотиков 2 Контакты NZ-journal. Кибернетика - основа искусственного интеллекта "первого поколения", - возникла в 40х годах с работами Н. Шеннона и других исследователей в области теории информации.
ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта , но не обязательно ограничивается биологически правдоподобными методами [1]. Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в году на конференции в Дартмутском университете , не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, ИИ-исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем [1]. Поясняя своё определение, Джон Маккарти указывает: Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом [3]. Как указывает председатель Петербургского отделения Российской ассоциации искусственного интеллекта Т. Гаврилова, в английском языке словосочетание artificial intelligence не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Участники Российской ассоциации искусственного интеллекта дают следующие определения искусственного интеллекта:. История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе зародился вопрос: Коллежский советник Семён Николаевич Корсаков — ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты , игравшие у него своего рода роль баз знаний , а сами машины по существу являлись предтечами экспертных систем [8]. В СССР работы в области искусственного интеллекта начались в х годах [5]. В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. С начала х М. Цетлин с коллегами разрабатывали вопросы, связанные с обучением конечных автоматов. В году В. Турчиным был разработан язык рекурсивных функций Рефал. До х годов в СССР все исследования ИИ велись в рамках кибернетики. Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются [10]. Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки. В философии не решён вопрос о природе и статусе человеческого интеллекта. Поэтому, несмотря на наличие множества подходов как к пониманию задач ИИ, так и созданию интеллектуальных информационных систем , можно выделить два основных подхода к разработке ИИ [11]:. Целью данного теста является определение возможности искусственного мышления, близкого к человеческому. Стандартная интерпретация этого теста звучит следующим образом: На основании ответов на вопросы он должен определить, с кем он разговаривает: Все участники теста не видят друг друга. Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп , первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами. Успешность и эффективность решения новых задач зависит от умения выделять только существенную информацию, что требует гибкости в методах абстрагирования. Тогда как обычная программа устанавливает один свой способ интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто механической. Интеллектуальную задачу в этом случае решает только человек, аналитик или программист, не умея доверить этого машине. В результате создается единственная модель абстрагирования, система конструктивных сущностей и алгоритмов. А гибкость и универсальность выливается в значительные затраты ресурсов для не типичных задач, то есть система от интеллекта возвращается к грубой силе. Тогда как возможности не интеллектуальных систем завершаются как раз перед способностью хотя бы обозначать вновь возникающие трудности. Тем более эти трудности не решаются и наконец компьютер не совершенствует такие способности самостоятельно. Недостатком символьного подхода является то, что такие открытые возможности воспринимаются не подготовленными людьми как отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает логическое программирование. Логический подход к созданию систем искусственного интеллекта основан на моделировании рассуждений. Теоретической основой служит логика. Логический подход может быть проиллюстрирован применением для этих целей языка и системы логического программирования Пролог. Программы, записанные на языке Пролог, представляют наборы фактов и правил логического вывода без жесткого задания алгоритма как последовательности действий, приводящих к необходимому результату. Последний подход, развиваемый с начала х годов , называется агентно-ориентированным подходом , или подходом, основанным на использовании интеллектуальных рациональных агентов. Сама такая машина будет интеллектуальным агентом , воспринимающим окружающий его мир с помощью датчиков , и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов. Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений. Гибридный подход предполагает, что только синергийная комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности. Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений. Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем , на входе которых поставлена некая задача, а на выходе требуется её решение. В это направление входят: В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету. Некоторые прямые применения обработки естественного языка включают информационный поиск в том числе, глубокий анализ текста и машинный перевод [14]. Направление инженерия знаний объединяет задачи получения знаний из простой информации , их систематизации и использования. Проблематика машинного обучения [16] касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ [17]. В году, на Дартмундской летней конференции, Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя , назвав её: Обучение с учителем включает также классификацию и регрессионный анализ. Классификация используется, чтобы определить, к какой категории принадлежит образ. При обучении агент вознаграждается за хорошие ответы и наказывается за плохие. Они могут быть проанализированы с точки зрения теории решений, используя такие понятия как полезность. К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов , рукописного текста , речи , анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования см. Особо стоит упомянуть компьютерное зрение , которое связано ещё и с робототехникой. Отличается от понимания искусственного интеллекта по Джону Маккарти , когда исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и протекающие в ней процессы, присущие биологическим системам. Сторонники данного подхода считают, что феномены человеческого поведения, его способность к обучению и адаптации есть следствие именно биологической структуры и особенностей её функционирования. Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Области робототехники [19] и искусственного интеллекта тесно связаны друг с другом. Интегрирование этих двух наук, создание интеллектуальных роботов составляют ещё одно направление ИИ. Интеллектуальность требуется роботам, чтобы манипулировать объектами [20] , выполнять навигацию с проблемами локализации определять местонахождение, изучать ближайшие области и планировать движение как добраться до цели [21]. Примером интеллектуальной робототехники могут служить игрушки-роботы Pleo , AIBO , QRIO. Природа человеческого творчества ещё менее изучена, чем природа интеллекта. Создание реалистичных образов широко используется в кино и индустрии игр. Отдельно выделяется изучение проблем технического творчества систем искусственного интеллекта. Теория решения изобретательских задач , предложенная в году Г. Альтшуллером , положила начало таким исследованиям. Добавление данной возможности к любой интеллектуальной системе позволяет весьма наглядно продемонстрировать, что именно система воспринимает и как это понимает. Добавлением шума вместо недостающей информации или фильтрация шума имеющимися в системе знаниями производит из абстрактных знаний конкретные образы, легко воспринимаемые человеком, особенно это полезно для интуитивных и малоценных знаний, проверка которых в формальном виде требует значительных умственных усилий. Наконец, существует масса приложений искусственного интеллекта, каждое из которых образует почти самостоятельное направление. В качестве примеров можно привести программирование интеллекта в компьютерных играх , нелинейное управление , интеллектуальные системы информационной безопасности. В перспективе предполагается тесная связь развития искусственного интеллекта с разработкой квантового компьютера , так как некоторые свойства искусственного интеллекта имеют схожие принципы действия с квантовыми компьютерами [22] [23]. Можно заметить, что многие области исследований пересекаются. Это свойственно любой науке. Но в искусственном интеллекте взаимосвязь между, казалось бы, различными направлениями выражена особенно сильно, и это связано с философским спором о сильном и слабом ИИ. Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Ниже представлены лишь некоторые наиболее известные разработки в области ИИ. Банки применяют системы искусственного интеллекта СИИ в страховой деятельности актуарная математика , при игре на бирже и управлении собственностью. Методы распознавания образов включая, как более сложные и специализированные, так и нейронные сети широко используют при оптическом и акустическом распознавании в том числе текста и речи , медицинской диагностике, спам-фильтрах, в системах ПВО определение целей , а также для обеспечения ряда других задач национальной безопасности. Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее. Искусственный интеллект вместе с нейрофизиологией , эпистемологией и когнитивной психологией образует более общую науку, называемую когнитология. Важную роль в искусственном интеллекте играет философия. Философы, занимающиеся данной проблематикой, решают вопросы, схожие с теми, которые решаются инженерами ИИ о том, как лучше представлять и использовать знания и информацию. В компьютерных науках проблемы искусственного интеллекта рассматриваются с позиций проектирования экспертных систем и баз знаний. Под базами знаний понимается совокупность данных и правил вывода, допускающих логический вывод и осмысленную обработку информации. В целом исследования проблем искусственного интеллекта в компьютерных науках направлены на создание, развитие и эксплуатацию интеллектуальных информационных систем, а вопросы подготовки пользователей и разработчиков таких систем решаются специалистами информационных технологий. Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определённых ситуациях. Была предложена Аксельродом [27]. Основана на моделировании субъективных представлений экспертов о ситуации и включает: В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве. Первая группа отвечает на вопрос: Течение трансгуманизма считает создание ИИ одной из важнейших задач человечества. Среди исследователей ИИ до сих пор не существует какой-либо доминирующей точки зрения на критерии интеллектуальности, систематизацию решаемых целей и задач, нет даже строгого определения науки. Существуют разные точки зрения на вопрос, что считать интеллектом. Наиболее горячие споры в философии искусственного интеллекта вызывает вопрос возможности мышления творения человеческих рук. Две основных точки зрения на этот вопрос носят названия гипотез сильного и слабого искусственного интеллекта. Напротив, сторонники слабого ИИ предпочитают рассматривать программы лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей. Елиезер Юдковски исследует в Институте сингулярности SIAI в США проблемы глобального риска, которые может создать будущий сверхчеловеческий ИИ, если его не запрограммировать на дружественность к человеку [30]. В году SIAI был создан сайт AsimovLaws. С точки зрения марксизма машина, в том числе электрическая и работающая по сложному алгоритму, принципиально не отличается от молотка, являя собой функцию человека, которую тот перенес на вещь. А взгляд, согласно которому мышление человека принципиально не отличается от списка функций появляется, согласно марксизму, по причине отчуждения человека, то есть отношения к самому человеку как к вещи с функциями в системе капитализма и уродования его до этого состояния. Далай-лама XIV считает, что нельзя утверждать, что машины обладают сознанием или способностью к познаванию, а утверждение о том, что сознание появляется в силу материальных причин, с точки зрения буддизма неприемлемо [31]. Другие традиционные конфессии достаточно редко описывают проблематику ИИ. Но отдельные богословы тем не менее обращают на это внимание. Например, протоиерей Михаил Захаров, рассуждая с точки зрения христианского мировоззрения, ставит следующий вопрос: Мы привыкли все эти определения относить к биологическому виду Homo Sapiens. Но насколько это обосновано? Отвечает он на этот вопрос так:. Неизбежность доминирования над миром ИИ, вышедшего из-под контроля, оспаривается такими его исследователями, как фантаст Айзек Азимов и кибернетик Кевин Уорик , известный множественными экспериментами по интеграции машин и живых существ. Некоторые научные фантасты, например Вернор Виндж , также размышляли над последствиями появления ИИ, которое, по-видимому, вызовет резкие драматические изменения в обществе. Такой период называют технологической сингулярностью. Тема ИИ рассматривается под разными углами в творчестве Роберта Хайнлайна: Социально-психологические проблемы взаимодействия человека с ИИ рассматривает и роман Филипа К. В творчестве фантаста и философа Станислава Лема описано и во многом предвосхищено создание виртуальной реальности, искусственного интеллекта, нанороботов и многих других проблем философии искусственного интеллекта. Особенно стоит отметить футурологию Сумма технологии. Кроме того, в приключениях Ийона Тихого неоднократно описываются взаимоотношения живых существ и машин: Кроме того, существует целый цикл повестей и рассказов Кибериада , где почти всеми персонажами являются роботы, которые являются далёкими потомками роботов, сбежавших от людей людей они именуют бледнотиками и считают их мифическими существами. Начиная практически с х годов вместе с написанием фантастических рассказов и повестей, снимаются фильмы об искусственном интеллекте. Многие повести авторов, признанных во всём мире, экранизируются и становятся классикой жанра, другие становятся вехой в развитии кинофантастики , например Терминатор и Матрица. Материал из Википедии — свободной энциклопедии. У этого термина существуют и другие значения, см. Инженерия знаний , Представление знаний. В этом разделе не хватает ссылок на источники информации. Информация должна быть проверяема , иначе она может быть поставлена под сомнение и удалена. Вы можете отредактировать эту статью, добавив ссылки на авторитетные источники. Эта отметка установлена 25 января года. Можем ли мы это существо назвать творением Божиим? На первый взгляд, оно есть творение человека. Но и при сотворении человека вряд ли стоит буквально понимать, что Бог Своими руками из глины вылепил первого человека. Вероятно это иносказание, указывающее на материальность человеческого тела, созданного по воле Божией. Но без воли Божией ничего не происходит в этом мире. Человек, как со-творец этого мира, может, исполняя волю Божию, создавать новые твари. Такие твари, созданные руками человека по Божией воле, вероятно можно назвать творениями Божиими. Ведь человек создает новые виды животных и растений. А мы считаем растения и животных творениями Божиими. Так же можно относиться и к искусственному существу не биологической природы. Толковый словарь по искусственному интеллекту. Радио и связь, Базы знаний интеллектуальных систем: What is Artificial Intelligence? ACM , I. The Structure of Decision: Cognitive Maps of Political Elites. О компьютерах, мышлении и законах физики. Начало диалога между буддизмом и наукой. Страницы, использующие волшебные ссылки ISBN Википедия: Нет источников с сентября Википедия: Статьи без источников тип: Статьи с утверждениями без источников более 14 дней Википедия: Статьи с разделами без ссылок на источники с января года Статьи со ссылками на Викиновости. Навигация Персональные инструменты Вы не представились системе Обсуждение Вклад Создать учётную запись Войти. Пространства имён Статья Обсуждение. Просмотры Читать Править Править вики-текст История. В других проектах Викисклад Викиновости Викицитатник Викиверситет. Эта страница последний раз была отредактирована 5 июля в Текст доступен по лицензии Creative Commons Attribution-ShareAlike ; в отдельных случаях могут действовать дополнительные условия. Свяжитесь с нами Политика конфиденциальности Описание Википедии Отказ от ответственности Разработчики Соглашение о cookie Мобильная версия. Искусственный интеллект в Викицитатнике. Искусственный интеллект на Викискладе. Искусственный интеллект в Викиновостях.
Звуковая схема слова земля
Динамические игрушкисвоими рукамииз картона схемы
Магазин пневматического оружия белгород каталог
Международное сотрудничество в сфере уголовного преследования
Важнейший способ осуществления внешней политики