Области применения искусственного интеллекта

В 1975-1976 годах были проведены эксперименты по сравнению машинной и "человеческой" музыки. Для эксперимента были выбраны мелодии песен известных советских композиторов, опубликованные в сборниках избранных песен, и мелодии, сочиненные на вычислительной машине "Урал-2" по программе Р. Зарипова. Результаты экспериментов таковы: машинные сочинения жюри признало в большинстве случаев наиболее интересными и, "без сомнения, написанными человеком". Таким образом, деятельность машины удовлетворяла критерию Тьюринга - слушатели-эксперты не узнали ее.

2.6 Интеллектуальные  интерфейсы

Интеллектуальный интерфейс, ИнИ (Intelligent interface) - интерфейс пользователя, дополнительно снабженный программным обеспечением, способным выполнять элементарные функции анализа, синтеза, сравнения, обобщения, накопления, обучения всех составных элементов, участвующих в процессе взаимодействия с пользователем, делая обычный интерфейс пользователя разумным, т.е. интеллектуальным. Схема интеллектуального интерфейса показаза в приложении А.

В ИнИ должны быть реализованы следующие функции:

1. анализ выполняемых действий пользователя. Для этого реализуются функции распознавания действий человека и текущего состояния информационной системы, определение класса пользователя и в зависимости от этого проведения непрерывного его обучения в соответствии со степенью образования ;
2. оптимизация выполнения технических операций. Формируется четкая последовательность действий интерфейса: опрос пользователя – формирование (при необходимости возврат к диалогу с пользователем) и выполнение команд для аппаратной части прибора – вывод результатов измерений;
3. синтез формируемых сообщений для пользователя. Реализация механизма формирования различных диалоговых форм и сообщений;
4. обоснование алгоритма измерения или результата измерений при выполнении нестандартной задачи или аварийном режиме работы.

Процесс, с помощью которого интерпретируется полученная информация, часто описывается в форме распознавания образов. Поступающая информация сопоставляется с образцами, содержащимися в модели мира, чтобы определить, какие из них пригодны, т.е. какая из интерпретаций предпочтительнее.

Вторая особенность интеллектуальных интерфейсов заключается в том, что они также используют форму распознавания образов для интерпретации входных сообщений от пользователя в свете системной модели мира. Возникают две проблемы: сам по себе механизм распознавания образов, и обеспечение модели мира, которая приобретает и хранит образы. При этом требуется большая компьютерная мощность для обработки правил, используемых компьютерной системой при принятии даже простых решений.

Третьей особенностью интеллектуальных интерфейсов является потребность в процессоре большой мощности. Однако, даже если предположить, что обеспечена достаточная мощность обработки данных, остается проблема представления образцов в системной модели, а также получение новых образцов и совершенствование старых.

Интеллектуальные интерфейсы являются сферой активных совместных исследований в области взаимодействия человек-компьютер и искусственного интеллекта.

2.7 Интеллектуальные  роботы

Эволюция представлений о путях развития робототехники, ее целях и задачах весьма схожа с тем, что наблюдается с такой областью, как искусственный интеллект. Декларируемые общие принципы и, как казалось, понимание путей достижения некой глобальной цели исследования сменилось узкой специализацией, множеством частных, зачастую не связанных между собою подцелей и направлений.

Объясняется это тем, что поставленные изначально задачи оказались значительно более сложными, требующими создания совершенно иных моделей, методов и технологий, и прежде всего – технологий искусственного интеллекта.

Технологии искусственного интеллекта (ИИ) всегда были тесно связаны с робототехникой. Не случайно одним из направлений ИИ до сих пор считается целенаправленное поведение роботов (создание интеллектуальных роботов, способных автономно совершать операции по достижению целей, поставленных человеком) [Поспелов, 1988].

Робот – это технический комплекс, предназначенный для выполнения различных движений и некоторых интеллектуальных функций человека и обладающий необходимыми для этого исполнительными устройствами, управляющими и информационными системами, а также средствами решения вычислительно-логических задач [Попов и др., 1990].

В настоящее время различают 3 поколения роботов:

1. Программные. Жестко заданная программа (циклограмма).
2. Адаптивные. Возможность автоматически перепрограммироваться (адаптироваться) в зависимости от обстановки. Изначально задаются лишь основы программы действий.
3. Интеллектуальные. Задание вводится в общей форме, а сам робот обладает возможностью принимать решения или планировать свои действия в распознаваемой им неопределенной или сложной обстановке.

2.8 Обучение и самообучение

Эта актуальная область ИИ включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний с использованием процедур анализа и обобщения данных. К данному направлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в компьютерных базах данных (Knowledge Discovery).

Скорость обучения - это простое и конструктивное испытание интеллекта, которое можно использовать в качестве теста уровня сознания живого существа или машины. Однако способности существа лучше характеризуются скоростью самообучения, чем скоростью обучения, которая зависит от активности учителя и от способа обучения. Трудно вычесть влияние учителя, если мы сравниваем способности, например, осьминога и вороны.

Как происходит самообучение:

1. Существо замечает, что некоторое обстоятельство важно.
2. Если "понравилось", то существо пытается повторить эту ситуацию.
3. При повторении ситуации существо пытается подобрать более выгодное поведение.
4. В результате оно использует обнаруженный факт довольно успешно.

Ключевое различие между обучением и самообучением состоит в способе выработки поведения. При обучении учитель показывает или прямо стимулирует правильное поведение. Он ставит оценку именно за элементы поведения, то есть за промежуточные этапы работы. Обучая детей, роботов и нейронные сети мы применяем промежуточные оценки за каждый успех или неудачу. При этом только учитель способен оценить эффективность каждого этапа обучения.

При самообучении существо само изобретает правильное поведение, получая "стимул" (пища, избежание опасности) только за конечный результат. Между правильным поведением и "стимулом" имеется логическая причинная связь, которая обычно далеко не очевидна. Решение проблемы "За что именно был получен стимул" - одна из основных задач механизма сознания.

Большинство известных алгоритмов самообучения способны выделять только абстрактные образы, т. е. компактные множества в заданных пространствах. Кроме того, результат самообучения характеризует пригодность выбранного пространства для конкретной задачи обучения распознаванию. Если абстрактные образы, выделяемые в процессе самообучения, совпадают с реальными, то пространство выбрано удачно. Чем сильнее абстрактные образы отличаются от реальных, тем "неудобнее" выбранное пространство для конкретной задачи.

2.9 Выявление и представление знаний экспертов в экспертных системах

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

1. технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;
2. технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;
3. высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;
4. объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.
5. По мнению ведущих специалистов , в недалекой перспективе ЭС найдут следующее применение:
6. ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;
7. технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.
8. ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

3 Современный искусственный интеллект

3.1 Проблемы  связанные с ИИ

Сообщения об уникальных достижениях специалистов в области искусственного интеллекта (ИИ), суливших невиданные возможности, пропали со страниц научно-популярных изданий много лет назад. Эйфория, связанная с первыми практическими успехами в сфере ИИ, прошла довольно быстро, потому что перейти от исследования экспериментальных компьютерных моделей к решению прикладных задач реального мира оказалось гораздо сложнее, чем предполагалось.

На трудности такого перехода обратили внимание специалисты всего мира, и после детального анализа выяснилось, что практически все проблемы связаны с нехваткой ресурсов двух типов: компьютерных (вычислительной мощности, емкости оперативной и внешней памяти) и людских (наукоемкая разработка интеллектуального ПО требует привлечения ведущих специалистов из разных областей знания и организации долгосрочных исследовательских проектов).

К сегодняшнему дню ресурсы первого типа вышли (или выйдут в ближайшие пять-десять лет) на уровень, позволяющий системам ИИ решать весьма сложные для человека практические задачи. А вот с ресурсами второго типа ситуация в мире даже ухудшается- именно поэтому достижения в сфере ИИ связываются в основном с небольшим числом ведущих ИИ-центров при крупнейших университетах.

3.2 Перспективные технологии

Сначала вкратце рассмотрим наиболее активно развиваемые подходы ИИ - в порядке убывания их популярности у специалистов:

1) Нейронные сети. Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей, - финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идет усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

2) Эволюционные вычисления. На развитие сферы эволюционных вычислений (ЭВ; автономное и адаптивное поведение компьютерных приложений и робототехнических устройств) значительное влияние оказали прежде всего инвестиции в нанотехнологии. ЭВ затрагивают практические проблемы самосборки, самоконфигурирования и самовосстановления систем, состоящих из множества одновременно функционирующих узлов. При этом удается применять научные достижения из области цифровых автоматов. Другой аспект ЭВ - использование для решения повседневных задач автономных агентов в качестве персональных секретарей, управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощью поисковых алгоритмов третьего поколения, планировщиков работ, личных учителей, виртуальных продавцов и т. д. Сюда же относится робототехника и все связанные с ней области. Основные направления развития - выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей. Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п. В дальнейшем для решения сложных задач (быстрого исследования содержимого Сети, больших массивов данных наподобие геномных) будут использоваться коллективы автономных агентов. Для этого придется заняться изучением возможных направлений эволюции подобных коллективов, планирования совместной работы, способов связи, группового самообучения, кооперативного поведения в нечетких средах с неполной информацией, коалиционного поведения агентов, объединяющихся "по интересам", научиться разрешать конфликты взаимодействия и т. п. Особняком стоят социальные аспекты - как общество будет на практике относиться к таким сообществам интеллектуальных программ.