Автор работы: Пользователь скрыл имя, 22 Февраля 2011 в 19:54, реферат
Современные философы и исследователи науки часто рассматривают междисциплинарные науки как одно из выдающихся достижений заново открытых в 20 веке. Искусственный интеллект и искусственная жизнь представляют прекрасный пример такой интеграции многих научных областей. Конечно, междисциплинарность тоже имеет свою цену. Химики, биологи, специалисты в области вычислительных наук и многие другие изучают различные аспекты живых систем, пользуясь при этом сходными методами. Основными методами изучения искусственной жизни являются: синтез искусственных систем с аналогичным живым системам поведением, изучение динамики развития процесса, а не конечного результата, конструирование систем демонстрирующих феномен созидания.
Введение 3
Взгляды на термин "знание" 5
Аспект представления знаний 5
Знание как основа 6
Рефлексия как одна из составляющих интеллектуальной деятельности 9
Понятие рефлексии 9
Неотъемлимость рефлексии 12
Математическо-технические аспекты реализации систем
искусственного интеллекта 13
Природа обработки естественного языка 15
Основная проблема обработки естественного языка 16
Распознавание речи 17
Практическая реализация 18
Семантические сети 20
Искусственный интеллект и теоретические проблемы психологии 21
Сознаниие и разум 23
Что такое сознание? 23
Сознание и выживание 24
Есть ли разум? 25
Чем же отличается сознание от самообучения? 26
Человек вооружен 27
Осознавание себя 27
Сознание - это не материальный предмет 28
Разумны только люди? 30
Заключение 31
Словарь терминов 33
Использованная литература 35
Различаются общая и прикладная NLP. Задачей общей NLP является разработка моделей использования языка человеком, являющихся при этом компьютерно-эффективными. Основой для этого является общее понимание текстов, как это подразумевается в работах Чарняка, Шенка, Карбонелла и др. Несомненно, общая NLP требует огромных знаний о реальном мире, и большая часть работ сосредоточена на представлении таких знаний и их применении при распознавании поступающего сообщения на ЕЯ. На сегодняшний день ИИ еще не достиг того уровня развития, когда для решения подобных задач в большом объеме использовались бы знания о реальном мире, и существующие системы можно называть лишь экспериментальными, поскольку они работают с ограниченным количеством тщательно отобранных шаблонов на ЕЯ.
Прикладная
NLP занимается обычно не моделированием,
а непосредственно возможностью коммуникации
человека с ЭВМ на ЕЯ. В этом случае не
так важно, как введенная фраза будет понята
с точки зрения знаний о реальном мире,
а важно извлечение информации о том, чем
и как ЭВМ может быть полезной пользователю
(примером может служить интерфейс экспертных
систем). Кроме понимания ЕЯ, в таких системах
важно также и распознавание ошибок и
их коррекция.
Основная проблема обработки естественного языка
Основной проблемой NLP является языковая неоднозначность. Существуют разные виды неоднозначности:
Центральная проблема как для общей, так и для прикладной NLP - разрешение такого рода неоднозначностей - решается с помощью перевода внешнего представления на ЕЯ в некую внутреннюю структуру. Для общей NLP такое превращение требует набора знаний о реальном мире. Так, для анализа фразы Jack took the bread from the supermarket shelf, paid for it, and left и для корректного ответа на такие вопросы, как What did Jack pay for?, What did Jack leave? и Did Jack have the bread with him when he left? необходимы знания о супермаркетах, процессах покупки и продажи и некоторые другие.
Прикладные системы NLP имеют преимущество перед общими, т.к. работают в узких предметных областях. К примеру, системе, используемой продавцами в магазинах по продаже компьютеров, не нужно ”раздумывать” над неоднозначностью слова terminals в вопросе How many terminals are there in the order?.
Тем
не менее, создание систем, имеющих возможность
общения на ЕЯ в широких областях, возможно,
хотя пока результаты далеки от удовлетворительных.
Распознавание речи
По мере развития компьютерных систем становится все более очевидным, что использование этих систем намного расширится, если станет возможным использование человеческой речи при работе непосредственно с компьютером, и в частности станет возможным управление машиной обычным голосом в реальном времени, а также ввод и вывод информации в виде обычной человеческой речи.
Существующие технологии распознавания речи не имеют пока достаточных возможностей для их широкого использования, но на данном этапе исследований проводится интенсивный поиск возможностей употребления коротких многозначных слов (процедур) для облегчения понимания. Распознавание речи в настоящее время нашло реальное применение в жизни, пожалуй, только в тех случаях, когда используемый словарь сокращен до 10 знаков, например при обработке номеров кредитных карт и прочих кодов доступа в базирующихся на компьютерах системах, обрабатывающих передаваемые по телефону данные. Так что насущная задача - распознавание по крайней мере 20 тысяч слов естественного языка - остается пока недостижимой. Эти возможности пока недоступны для широкого коммерческого использования. Однако ряд компаний своими силами пытается использовать уже существующие в данной области науки знания.
Для успешного распознавания речи следует решить следующие задачи:
Существующие
сегодня системы распознавания речи основываются
на сборе всей доступной (порой даже избыточной)
информации, необходимой для распознавания
слов. Исследователи считают, что таким
образом задача распознавания образца
речи, основанная на качестве сигнала,
подверженного изменениям, будет достаточной
для распознавани, но тем не менее в настоящее
время даже при распознавании небольших
сообщений нормальной речи, пока невозможно
после получения разнообразных реальных
сигналов осуществить прямую трансформацию
в лингвистические символы, что является
желаемым результатом.
Практическая реализация
Разработки в области искусственного интеллекта ведутся и в Новосибирском Государственном Техническом Университете. На факультете Прикладной Математики и Информатики (ФПМиИ) элементы теории искусственного интеллекта входят в базовую программу подготовки специалистов. Одним из ведущих специалистов в данной области является профессор Хабаров В.И., зав. кафедрой Программных Систем и Баз Данных (ПСиБД). Одно из направлений его исследований связано с внедрением семантических и нейронных сетей в системы управления и анализа данных, систем накопления и представления знаний. В качестве примера можно назвать разработку CASE-технологии, базированной на ультрасетях.
Тенденции развития современных информационных технологий приводят к постоянному возрастанию сложности информационных систем (ИС), создаваемых в различных областях экономики. Современные крупные проекты ИС характеризуются, как правило, следующими особенностями:
Несмотря
на высокие потенциальные возможности
CASE-технологии (увеличение производительности
труда, улучшение качества программных
продуктов, поддержка унифицированного
и согласованного стиля работы) далеко
не все разработчики информационных систем,
использующие CASE-средства, достигают подобных
результатов. Применение семантических
сетей для проектирования данного вида
систем является по своей сути шагом в
абсолютно новом направлении, что позволяет
проектировать и внедрять интеллектуальные
обучаемые системы для поддержки принятия
решений.
Семантические сети
Семантическая сеть - структура для представления знаний в виде узлов, соединенных дугами. Самые первые семантические сети были разработаны в качестве языка-посредника для систем машинного перевода, а многие современные версии до сих пор сходны по своим характеристикам с естественным языком. Однако последние версии семантических сетей стали более мощными и гибкими и составляют конкуренцию фреймовым системам, логическому программированию и другим языкам представления.
Начиная с конца 50-ых годов были создано и применены на практике десятки вариантов семантических сетей. Несмотря на то, что терминология и их структура различаются, существуют сходства, присущие практически всем семантическим сетям:
Однако
существуют и различия: понятие значения
с точки зрения философии; методы представления
кванторов общности и существования и
логических операторов; способы манипулирования
сетями и правила вывода, терминология.
Все это варьируется от автора к автору.
Несмотря не некоторые различия, сети
удобны для чтения и обработки компьютером,
а также достаточно мощны, чтобы представить
семантику естественного языка.
Искусственный интеллект
и теоретические проблемы психологии
Можно выделить две основные линии работ по ИИ. Первая связана с совершенствованием самих машин, с повышением "интеллектуальности" искусственных систем. Вторая связана с задачей оптимизации совместной работы "искусственного интеллекта" и собственно интеллектуальных возможностей человека.
Переходя к психологическим проблемам искусственного интеллекта, можно отметить три позиции по вопросу о взаимодействии психологии и искусственного интеллекта.
Популярные идеи системного анализа позволили сделать сравнение принципов работы искусственных систем и собственно человеческой деятельности важным эвристическим приемом выделения именно специфического психологического анализа деятельности человека.
В 1963 г. выступая на совещании по философским вопросам физиологии ВНД и психологии, А.Н. Леонтьев сформулировал следующую позицию: машина воспроизводит операции человеческого мышления, и следовательно соотношение "машинного" и "немашинного" есть соотнесение операционального и неоперационального в человеческой деятельности. Однако в последствии при сравнении операций, из которых слагается работа машины, и операций как единиц деятельности человека выявились существенные различия - в психологическом смысле "операция" отражает способ достижения результатов, процессуальную характеристику, в то время как применительно к машинной работе этот термин используется в логико-математическом смысле (характеризуется результатом).