СИСТЕМЫ, МЕТОДЫ И ТЕХНОЛОГИИ ИСКУСТВЕННОГО ИНТЕЛЕКТА

    Исследования в области искусственного интеллекта начались в 50-х годах минувшего столетия. И вполне естественно предположить, что главный вопрос которым задались учёные: «Что лежит в основе разума?». На этот счёт было выдвинуто два, наиболее заслуживающих внимания, мнения: в основе разума лежит способность находить решения поставленных задач и в основе разума лежат знания. Именно в этих направлениях пошло развитие науки. Давайте рассмотрим эти подходы по отдельности. Все мы знаем, что компьютер функционирует по заданной последовательности инструкций — алгоритму. То есть чтобы компьютер решил поставленную перед ним задачу, программист должен описать детально все этапы решения задачи, и решена она будет именно по этому алгоритму. Но что делать если факторы, от которых зависит решение задачи возникают только в процессе решения задачи? Такую проблему можно продемонстрировать на примере игры в шахматы. Если бы представлялось возможным знать все ходы противника на перед, до начала игры, программист мог бы предопределить все действия своей программы так что бы она одержала победу в этой партии. Но что делать если нам неизвестно поведение противника в игре? Очевидно, что нам нужно создать такую программу, которая сможет сама решать какие действия надо предпринять для достижения победы. На сегодняшний день алгоритмы поиска решений достаточно развились. Но главная проблема так и не была решена — алгоритм может искать решения только в рамках конкретной, ранее поставленной задачи. Что же нам дал этот подход? Он позволил создавать интеллектуальные системы частного назначения, а для создания интеллекта общего рода он не подходит, но всё же не следует полностью отрицать его возможность использования в искусственном интеллекте. Как наиболее яркое достижение таких алгоритмов думаю следует отметить, что в 1997 чемпион мира по шахматам Гарри Каспаров был повержен программой основанной на алгоритмах поиска решений. 

   Перейдём к рассмотрению подхода о знаниях. У учёных 20-го столетия возникла гипотеза, что именно знания лежат в основе любого интеллекта. Был предложен алгоритм удивительный по простое. Решение любой задачи можно разделить на три составляющих: начальное положение дел, решение, положение дел в результате. То есть мы фактически имеем две ситуации одна до решения, а другая после. Собственно решение является некой последовательностью действий, которая позволяет превратить «до» в «после». Учёные предложили создать систему, которая будет не искать решения, а просто хранить в базе знаний два тип информации: решения, правила выбора решений. Правила выбора решений очень просты и формулируются примерно следующим образом: «Если возникла ситуация X, то принять решение Y». В начале 70-х годов была выпущена «MYCIN» — экспериментальная система с базой знаний. MYCIN был спроектирован для диагностирования бактерий, вызывающих тяжелые инфекционные заболевания. В 1979 году официальные испытания показали что эффективность этой системы сравнима с эффективностью опытного врача. Необходимо отметить, что для анализа получаемых системой ситуаций и нахождения уместных для данной ситуации правил использовались алгоритмы поиска решений. Система не раз на практике доказала свою эффективность, но возможности создания искусственного интеллекта на базе такого подхода не представляется возможным. На это есть целый ряд причин. Во-первых такая система не способна сама собирать информацию о мире, это за неё должны делать люди и учитывая постоянную динамичность современного мира, поддерживать в системе постоянно только достоверную информацию просто не реально. Опять же системы с базами знаний можно использовать только каких-то конкретных, узких областях. 

   В начале 90-х годов ученые начали искать вдохновение в биологии. Изучая структуру и работу мозга человека и животных, учёные пытаются заполучить информацию необходимую для создания искусственного интеллекта. В этом пути так же можно выделить два подхода. Это эволюционные алгоритмы и нейронные сети. Приступим к рассмотрению первого пункта как наиболее простого. Главной силой эволюции является естественный отбор. В этом процессе выживают и продолжают свой род только наиболее приспособленные особи, причем кто является более приспособленным, а кто менее определяет сама среда обитания животного. И при изменении её, меняются и полезные признаки у животных. И эволюционный алгоритм в этом плане аналогичен. В отличие от остальных способов нахождения решений, этот алгоритм довольно прост в реализации и требует минимум информации о задаче. Приведу его примерную формулировку. Для решения задачи нам требуется только функция определяющая эффективность решения по некой шкале (например от одного до ста). В начале работы генерируем несколько абсолютно случайных решений, оцениваем эффективность каждого и оставляем самые эффективные(не более 50% от количества всех решений), остальные удаляем. Комбинированием оставшихся решений получаем новые решения которыми дополняем список решений чтобы получить их начальное количество. Далее опять же проводим проверку эффективности, удаляем наиболее бесполезные и т. д. пока не получим все на 100% эффективные решения. Область применения этого алгоритма очень широка, это ещё обусловлено и тем что такие алгоритмы находят все эффективные решения, не отбрасывают подходящих. Но как и все предыдущие подходы этот тоже эффективен только в некой конкретной области, а появление интеллекта общего типа на его основе не представляется возможным. Проблема заключается в функции определения эффективности решения. Этот алгоритм может писать даже стихи или музыку, но только в том случае если компьютер сможет оценивать эффективность, или в данном случае эстетичность, этих самых стихов или музыки. 

   Теперь перейдём к рассмотрению искусственных нейронных сетей. Нейроны — это клетки головного мозга, способные по средствам взаимодействия с другими нейронами выполнять различные, в том числе и вычислительные, операции. Каждый нейрон огромное количество связей с другими нейронами и увеличивает собой общую активность всех этих связей. Когда активность превышает определённый уровень, нейрон генерирует выходной сигнал и передаёт его связанным с ним нейронам. Получившие сигнал нейроны начинают действовать и могут передать этот сигнал дальше. Попытки создать мозг привели исследователей к созданию перцептрона, устройства, грубого образца нейрона. Сам по себе отдельно взятый перцептрон практически бесполезен, но зато из таких искусственных нейронов можно собрать нейронную сеть, которая сама по себе имеет множество полезных характеристик. Следует отметить что построение нейронных сетей очень сложный процесс. В процессе отладки сети необходимо правильно настроить уровень мощности каждой связи, что сделать иногда чрезвычайно сложно из-за сильной взаимозависимости мощности одного нейрона от множества других и наоборот. Но это того стоит, потому что такие сети по мимо способности к самообучению, способны к решению таких не точных и от этого сложных задач, как например распознавание текстов или образов. Но опять же, создание искусственного интеллекта на основе нейронных сетей, на данный момент, не представляется возможным. Человеческий мозг содержит миллиарды нейронов, и возможности современных компьютеров не позволяют симулировать столь огромную сеть или группу сетей. К тому же человеческий мозг изучен далеко не до конца и неизвестно смогут ли исключительно нейронные сети позволить создать интеллект. 

   Здесь мы рассмотрели наиболее знаменитые и плодотворные подходы к исследованию проблемы искусственного интеллекта. Но конечно, создать искусственный интеллект используя один конкретный метод не удастся. А вот комбинируя уже известные методы и методы которые появятся в будущем, я уверен можно будет достичь потрясающих результатов.

   А тут смотрите подробнее про схемы и электронные устройства на основе ИИ.