Проблема искусственного интеллекта

   Однако этот аргумент  бьет мимо цели, если мы говорим  не о мыслящей машине, а об  искусственном интеллекте, который  должен лишь продуцировать физические  тела знаков, интерпретируемые человеком  в качестве решений определенных  задач. Поэтому прав В.М. Глушков,  утверждая, что наиболее естественно,  следуя Тьюрингу, считать, что  некоторое устройство, созданное  человеком, представляет собой  искусственный интеллект, если, ведя  с ним достаточно долгий диалог  по более или менее широкому  кругу вопросов, человек не сможет  различить, разговаривает он с  разумным живым существом или  с автоматическим устройством.  Если учесть возможность разработки  программ, специально рассчитанных  на введение в заблуждение  человека, то, возможно, следует говорить  не просто о человеке, а о  специально подготовленном эксперте. Этот критерий, на взгляд многих  ученых, не противоречит перечисленным  выше особенностям системы искусственного  интеллекта.

    Но что значит  по "достаточно широкому кругу  вопросов", о котором идет речь  в критерии Тьюринга и в  высказывании В.М.Глушкова? На начальных  этапах разработки проблемы искусственного  интеллекта ряд исследователей, особенно занимающихся эвристическим  программированием, ставили задачу  создания интеллекта, успешно функционирующего  в любой сфере деятельности. Это  можно назвать разработкой "общего  интеллекта". Сейчас большинство  работ направлено на создание "профессионального искусственного  интеллекта", т. е. систем, решающих  интеллектуальные задачи из относительно  ограниченной области (например, управление портом, интегрирование  функций, доказательство теорем  геометрии и т.п.). В этих случаях  "достаточно широкий круг вопросов" должен пониматься как соответствующая  область предметов. 

    Исходным пунктом  рассуждений об искусственном  интеллекте было определение  такой системы как решающей  мыслительные задачи. Но перед  нею ставятся и задачи, которые  люди обычно не считают интеллектуальными,  поскольку при их решении человек  сознательно не прибегает к  перестройке проблемных ситуаций. К их числу относится, например, задача распознания зрительных  образов. Человек узнает человека, которого видел один-два раза, непосредственно в процессе чувственного  восприятия. Исходя из этого, кажется,  что эта задача не является  интеллектуальной. Но в процессе  узнавания человек не решает  мыслительных задач лишь постольку,  поскольку программа распознания  не находится в сфере осознанного.  Но так как в решении таких  задач на неосознанном уровне  участвует модель среды, хранящаяся  в памяти, то эти задачи, в сущности, являются интеллектуальными. Соответственно  и система, которая ее решает, может считаться интеллектуальной. Тем более это относится к  "пониманию" машиной фраз  на естественном языке, хотя  человек в этом не усматривает  обычно проблемной ситуации.

    Теория искусственного интеллекта при решении многих задач сталкивается с гносеологическими проблемами.

    Одна из таких  проблем состоит в выяснении  вопроса, доказуема ли теоретически (математически) возможность или  невозможность искусственного интеллекта. На этот счет существуют две  точки зрения. Одни считают математически  доказанным, что ЭВМ в принципе  может выполнить любую функцию,  осуществляемую естественным интеллектом.  Другие полагают в такой же  мере доказанным математически,  что есть проблемы, решаемые человеческим  интеллектом, которые принципиально  недоступны ЭВМ. Эти взгляды  высказываются как кибернетиками,  так и философами.

Знание – основа интеллектуальной системы 

    Многие виды умственной деятельности человека, такие, как написание программ для вычислительной машины, занятие математикой, ведение рассуждений на уровне здравого смысла и даже вождение автомобиля – требуют "интеллекта". На протяжении последних десятилетий было построено несколько типов компьютерных систем, способных выполнять подобные задачи.

    Имеются системы,  способные диагностировать заболевания,  планировать синтез сложных синтетических  соединений, решать дифференциальные  уравнения в символьном виде, анализировать электронные схемы,  понимать ограниченный объем  человеческой речи и естественного  языкового текста. Можно сказать,  что такие системы обладают  в, некоторой степени, искусственным  интеллектом. 

    Работа по построению  таких систем проводится в  области, получившей название  искусственный интеллект (ИИ).

    При реализации  интеллектуальных функций непременно  присутствует информация, называемая  знаниями. Другими словами, интеллектуальные  системы являются в то же  время системами обработки знаний.

   В настоящее время в исследованиях по искусственному интеллекту выделились несколько основных направлений.

    1. Представление знаний. В рамках этого направления решаются задачи, связанные с формализацией и представлением знаний в памяти системы ИИ. Для этого разрабатываются специальные модели представления знаний и языки описания знаний, внедряются различные типы знаний. Проблема представления знаний является одной из основных проблем для системы ИИ, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти.

    2. Манипулирование знаниями. Чтобы знаниями можно было пользоваться при решении задачи, следует научить систему ИИ оперировать ими. В рамках данного направления разрабатываются способы пополнения знаний на основе их неполных описаний, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели рассуждений, опирающихся на знания и имитирующих особенности человеческих рассуждений. Манипулирование знаниями очень тесно связано с представлением знаний, и разделить эти два направления можно лишь условно.

    3. Общение. В круг задач этого направления входят: проблема понимания и синтеза связных текстов на естественном языке, понимание и синтез речи, теория моделей коммуникаций между человеком и системой ИИ. На основе исследований в этом направлении формируются методы построения лингвистических процессов, вопросно-ответных систем, диалоговых систем и других систем ИИ, целью которых является обеспечение комфортных условий для общения человека с системой ИИ.

    4. Восприятие. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представлений в системах ИИ.

    5. Обучение. Для развития способности систем ИИ к обучению, т.е. к решению задач, с которыми они раньше не встречались, разрабатываются методы формирования условий задач по описанию проблемной ситуации или по наблюдению за ней, методы перехода от известного решения частных задач (примеров) к решению общей задачи, создание приемов разбиения исходной задачи на более мелкие и уже известные для систем ИИ. В этом направлении ИИ сделано еще весьма мало.

    6. Поведение. Поскольку системы ИИ должны действовать в некоторой окружающей среде, то необходимо разрабатывать некоторые поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами ИИ и людьми. Это направление в ИИ также разработано ещё очень слабо.

    В последние  годы термин "знание" все чаще  употребляется в информатике.  Специалисты подчеркивают, что совершенствование  так называемых интеллектуальных  систем (информационно-поисковых систем  высокого уровня, диалоговых систем, базирующихся на естественных  языках, интерактивных человеко-машинных  систем, используемых в управлении, проектировании, научных исследованиях)  во многом определяется тем,  насколько успешно будут решаться  задачи (проблемы) представления знаний.

  Аспекты представления знаний

    Неудивительно, что перед теми, кто занимается проблемой представления знаний, встает вопрос о том, что такое знание, какова его природа и основные характеристики. В связи с этим предпринимаются, например, попытки дать такое определение знания, из которого можно было бы исходить в решении задач представления знаний в компьютерных системах.

    Представлению  данных присущ пассивный аспект: книга, таблица, заполненная информацией  память. В теории искусственного  интеллекта особо подчеркивается  активный аспект представления  знаний: приобретение знания должно  стать активной операцией, позволяющей  не только запоминать, но и  применять воспринятые (приобретенные,  усвоенные) знания для рассуждений  на их основе.

    Использование  символического языка, такого, как  язык математической логики, позволяет  формулировать описания в форме,  одновременно близкой и к обычному  языку, и к языку программирования. Впрочем, математическая логика  позволяет рассуждать, базируясь  на приобретенных знаниях: логические  выводы действительно являются  активными операциями получения  новых знаний из уже усвоенных. 

    Принципиальная  мировоззренческая установка состоит  в рассмотрении ЭВМ как предмета-посредника  в познавательной человеческой  деятельности. Компьютерная система,  подобно другим предметам-посредникам  (орудиям труда и предметам  быта, инструментам, приборам, знаково-символическим  системам, научным текстам и т.  д.), играя инструментальную роль  в познании, является средством  объективизации накопленного знания, воплощением определенного социально-исторического  опыта практической и познавательной  деятельности.

    Проблема представления  знаний возникла как одна из  проблем искусственного интеллекта. Она связана с переходом исследований  в этой области в некоторую  новую фазу. Речь идет о создании  практически полезных систем (прежде  всего так называемых экспертных  систем), применяемых в медицине, геологии, химии. Создание такого  рода систем требует интенсивных  усилий по формализации знания, накопленного в соответствующей  науке. 

    С термином "представление  знаний" связывается определенный  этап в развитии математического  обеспечения ЭВМ. Если на первом  этапе доминировали программы,  а данные играли вспомогательную  роль своеобразной "пищи" для  "голодных" программ, то на последующих  этапах роль данных неуклонно  возрастала. Их структура усложнялась:  от машинного слова, размещенного  в одной ячейке памяти ЭВМ,  происходил переход к векторам, массивам, файлам, спискам. Венцом  этого развития стали абстрактные  типы данных, обеспечивающие возможность  создания такой структуры данных, которая наиболее удобна при  решении задачи. Последовательное  развитие структур данных привело  к их качественному изменению  и к переходу от представления  данных к представлению знаний. Уровень представления знаний  отличается от уровня представления  данных не только более сложной  структурой, но и существенными  особенностями: интерпретируемость, наличие классифицируемых связей (например, связь между знаниями, относящихся к элементу множества,  и знаниями об этом множестве), которые позволяют хранить информацию, одинаковую для всех элементов  множества, записанную одноактно  при описании самого множества,  наличие ситуативных отношений  (одновременности, нахождения в  одной точке пространства и  т. п., эти отношения определяют  ситуативную совместимость тех  или иных знаний, хранимых в  памяти). Кроме того, для уровня  знаний характерны такие признаки, как наличие специальных процедур  обобщения, пополнения имеющихся  в системе знаний и ряда  других процедур.

    Моделирование  на ЭВМ понималось как техническая  реализация определенной формы  знакового моделирования. Однако, рассматривая ЭВМ в гносеологическом  плане в качестве посредника  в познании, имеет смысл не  фиксировать внимание, прежде всего  на "железной части" (hardware) компьютера, а рассматривать всю компьютерную  систему как сложную систему  взаимосвязанных и до некоторых  пределов самостоятельных моделей  - как материальных, так и знаковых, т. е. идеальных. Такой подход  не только соответствует рассмотрению  компьютерных систем в современной  информатике, но является и  гносеологически оправданным. Многие  важные философские аспекты проблем,  возникающих в связи с компьютеризацией  различных сфер человеческой  деятельности, требуют для своего  исследования обращения, прежде  всего, к знаковым составляющим  компьютерных систем. Это верно  и в отношении философских  аспектов проблем представления  знаний.