Возникновение и перспективы создания искусственного интеллекта

  В последнее время в связи с  развитием методов искусственного интеллекта стали появляться новые идеи и в шахматных программах. Их функционирование стало опираться не на простой перебор вариантов, а на попытку смоделировать на ЭВМ особенности мышления человека-шахматиста. В СССР эти новые идеи нашли свое отражение в проекте программы "Пионер", разработанной под руководством М.М.Ботвинника [14]. За рубежом принципы построения программ такого типа обоснованы Д.Мичи. Эвристики и приемы сокращения перебора при большом количестве вариантов, разработанные в области создания игровых программ (особенно шахматных), находят сейчас широкое применение в различных интеллектуальных системах.

  6. Сочинение музыки  и текстов. В середине 50-х годов в США (Л.Хиллер и Л.Айзексон), а несколько позже в СССР (Р.Х.Зарипов) были сделаны первые попытки сочинения музыкальных произведений с помощью программ, реализуемых на ЭВМ. В основе этих программ лежала идея об использовании генераторов случайных чисел, интерпретируемых как нотные знаки со всеми присущими им параметрами, для порождения музыкального произведения за счет отбора из генерируемого потока нот лишь тех, которые удовлетворяли бы определенным правилам. Эти правила заимствовались из музыковедческой литературы и отражали специфику восприятия музыки человеком [15,16]. Таким образом, в этих программах, как и в некоторых программах автоматизированного реферирования или доказательства теорем, использовался случайный процесс, детерминируемый системой ограничивающих модельных правил. Этот прием оказался в дальнейшем полезным и для ряда программ искусственного интеллекта. А сама возможность имитации творческого процесса человека в такой области, которая всегда считалась вершиной его интеллектуальной деятельности, имела немаловажное значение для понимания возможностей ЭВМ в этой сфере.

  В середине же 50-х годов делаются первые попытки использования ЭВМ для генерации связных текстов, как поэтических, так и прозаических [17]. Однако до развития работ в области искусственного интеллекта эти исследования не получили достаточного распространения и не оказали существенного влияния на другие направления, связанные с моделированием творческих процессов. Столь же незначительно повлияло на работы в области искусственного интеллекта появление первых программ, связанных с машинной графикой. Лишь несколько позже, когда появились хорошие черно-белые и цветные дисплеи, а программы машинной графики стали намного интереснее, специалисты в области искусственного интеллекта обратили внимание на эти работы. Сейчас же машинная графика стала вполне самостоятельным направлением и подобно распознаванию образов развивается вне рамок искусственного интеллекта, хотя и испытывает его влияние на свои методы и представления. Достаточно полное представление о современном состоянии дел в той части машинной графики, которая наиболее тесно связана с моделированием творческой деятельности, может дать монография [18]. Из-за отсутствия хороших дисплеев уровень исследований в этой области в странах Восточной Европы и СССР несколько отстает от уровня их развития в США, Японии и странах Западной Европы.

  Все перечисленные сферы применения ЭВМ для решения нечисловых задач сыграли роль катализирующих ферментов, способствуя консолидации усилий отдельных специалистов вокруг вопросов, связанных с решением задач, относящихся к сфере интеллектуальной деятельности человека. Эта консолидация привела к появлению первых моделей и систем, которые знаменовали собой переход к созданию новой науки – искусственного интеллекта. 

    II. Начальный этап развития 

  Важным  моментом начала того направления, которое  можно было бы назвать собственно искусственным интеллектом, была проведенная в 1956 г. конференция в Дартмуте (США). На этой конференции были К.Шеннон, М.Минский и Дж.Маккарти. Двум последним предстояло в дальнейшем сыграть крупную роль в становлении искусственного интеллекта. Именно на этой конференций сам термин "искусственный интеллект" приобрел права гражданства.

  К середине 60-х годов в СССР, США, Великобритании и других странах, в  которых активно внедрялась вычислительная техника, было накоплено множество самых разнообразных программ для решения нечисловых задач. Среди них было немало таких, которые демонстрировали возможность имитации на ЭВМ отдельных творческих процессов, присущих человеку. Возникший опыт создания таких программ требовал обобщения и формализации. Следствием Дартмутской конференции явился "Исследовательский проект по искусственному интеллекту" – первый комплексный проект в этой области. Его возглавил Дж.Маккарти.

  Стали появляться первые публикации, в которых  делались попытки обобщения накопленного материала. Среди специалистов, выступивших с такими работами, были Дж.Маккарти, М.Минский, Э.Фейгенбаум (США), Д.Мичи (Великобритания), А.А.Ляпунов и В.М.Глушков (СССР). В дальнейшем существенный вклад в развитие методологии искусственного интеллекта внесли Г.С.Поспелов, Н.М.Амосов, Д.А.Поспелов, А.С.Нариньяни, Э.В.Попов (СССР), Р.Шенк, Д.Бобров, П.Уинстон, Дж.Слейгл, Н.Нильсон, Э.Хант, Т.Виноград (США), Э.Сандовал (Швеция), М.Сомальвико (Италия) и др.

  Но  на пути становления искусственного 'интеллекта как самостоятельного направления имелось немало трудностей. Практика создания "интеллектуальных программ" выявила парадоксальное положение: чем больше создавалось таких программ, тем меньше были видны принципы их создания. Если, например, некоторый исследователь создавал эффективную программу для игры в шашки и вводил ее в память ЭВМ, то создание следующей интеллектуальной программы, предназначенной', например, для игры в домино, никак не облегчалось тем, что в памяти ЭВМ уже хранится хорошая шашечная программа. А добавление к ней программы для игры в домино ничуть не облегчало создание программы для игры в калах или какую-нибудь другую игру. Память ЭВМ могла заполняться интеллектуальными программами сколь угодно долго, но от этого ЭВМ не становилась "интеллектуальнее". Содержимое ее памяти напоминало огромную библиотеку, в которой хранятся знания почти по всем отраслям человеческой деятельности, но которая, конечно, никаким интеллектом не обладает. Становилось ясным, что на пути простого увеличения количества программ, одновременно хранимых в ЭВМ, нельзя добиться поднятия ее коэффициента интеллектуальности.

  Эта ситуация хорошо отражается в книгах по искусственному интеллекту, изданных в начале 70-х годов [19-20]. Их оглавления напоминают что-то вроде меню или прейскуранта. Отдельные главы посвящены различным типам задач, каждая из которых решается своим особенным образом, с помощью специальной, ориентированной только на эту задачу программы.

  Но  на этом фоне и в это же время  начинают появляться первые признаки новой парадигмы. Это парадигма поиска универсальной процедуры, которая позволила бы решать единообразно большое количество интеллектуальных задач. И появление такой парадигмы естественным образом означало обращение специалистов в области интеллектуальных программ к психологам, занимающимся психологией мышления и психологией решения задач.

  Первой  моделью психологии, которая в  течение десятка лет сохраняла  свое значение для работ в области моделирования интеллектуальной деятельности, явилась известная еще с начала нашего века лабиринтная модель решения задач, в наиболее общей форме описанная в 1911 г. Э.Торндайком. Согласно представлениям, вытекающим из этой модели, процесс решения задачи можно уподобить прохождению лабиринта. Начальные площадки лабиринта соответствуют исходным данным задачи, а пути, приводящие к целевой (или одной из целевых, если их несколько) площадке, определяют возможные, пути решения. Выбор пути на каждой из промежуточных площадок лабиринта эквивалентен принятию решения из имеющегося в этот момент множества альтернатив. В машинных программах такому движению по лабиринту соответствует поисковая процедура, управляемая решающими правилами, с помощью которых производится тот или иной выбор при каждой альтернативной ситуации.

  Именно  такая модель была положена в основу одной из первых программ, которую по праву можно отнести к программам искусственного интеллекта. Эта программа была создана в конце 50-х годов в США в содружестве программиста А.Ньюэлла и психолога Г.Саймона. Она была названа ее авторами General Problem Solver, т.е. "Универсальный решатель задач". Авторы программы GPS с самого начала рассматривали ее как модель описания поведения человека при решении задач широкого класса, для которых можно воспользоваться лабиринтной моделью. Основу GPS составляет специальная таблица "Цели-Средства". В строках таблицы перечислены все цели, достижение которых может потребоваться при очередном альтернативном выборе, а в столбцах указаны те средства, которые могут быть использованы на каждом шаге решения. Специальные отметки в клетках таблицы показывают, какие средства годятся для достижения тех или иных целей. А.Ньюэлл и Г.Саймон считали, что модификация этой глобальной идеи совместно с идеей многошагового планирования движения по лабиринту с учетом особенностей решения тех или иных конкретных задач позволит решать большинство интеллектуальных задач. Они рассмотрели две такие модификации: для доказательства теорем в исчислении высказываний и для игры в шахматы. Но если первая модификация оказалась весьма успешной, то опыт работы с шахматной программой заставил авторов GPS усомнится в глобальности выдвинутой ими идеи. Шахматная программа, построенная на основе таблицы "Цели-Средства", оказалась весьма слабой и не выдержала конкуренции с шахматными программами, построенными на других принципах. Описание программы GPS и ее модификаций можно найти в [7] и [19], а также во многих других книгах по искусственному интеллекту. Идея движения по лабиринту или эффективного поиска по некоторой сетевой структуре оказалась в центре внимания многих исследователей. Работа Н.Нильсона [22] практически полностью посвящена методам поиска решений на основе лабиринтной модели.

  Если  лабиринтная модель оказалась в  центре внимания специалистов по интеллектуальным программам, то не менее известные в психологии модели вероятностного выбора и основанные на них модели обучения не оказали на этих специалистов большого влияния. Работа Р.Аткинсона [23] и ранее предшествующие ей работы в этой области так и не вышли из сферы интересов весьма ограниченного круга специалистов, работающих в области математической психологии. Что касается обучения, то в области интеллектуальных систем явное предпочтение было отдано моделям логического типа, Примерами могут служить те модели, которые использованы в известной поведенческой программе "Животное", созданной учениками М.М.Бонгарда (СССР). Близка к тем же идеям и программа формирования понятий на основе индуктивных выводов CLS, разработанная в середине 60-х годов в США под руководством Э.Ханта [24].

  Лабиринтная модель решения задач оказалась слишком упрощенной. Она негласно предполагала, что лабиринт, в котором нужно найти решение, существует заранее. Но большинство творческих задач, решаемых людьми, связаны как раз с тем, как построить не слишком большой лабиринт, в котором с большой долей вероятности содержится путь, ведущий к цели.

  Критика лабиринтной модели и основных на ней программ решения интеллектуальных задач была достаточно активной. О ее характере дает представление, например, работа Д.А.Поспелова и В.Н.Пушкина [26]. В этой же работе, по-видимому, впервые была подробно описана иная концепция решения задач человеком, которую можно было бы назвать реляционной моделью (в работе [26] она названа модельной гипотезой). Согласно этой модели исходные данные для решения задачи не представляют собой совокупность несвязанных компонентов. Между ними имеются определенные отношения, образующие структуру исходной ситуации. Аналогичным образом целевые описания образуют некоторую структуру целевой ситуации. Поиск решения сводится к установлению между этими структурами некоторого морфизма и построению путей преобразования одной ситуации в другую. Эти принципы реляционной модели нашли свое подтверждение в многочисленных психологических экспериментах (и, в частности, при экспериментах с людьми, играющими в шахматы). Стала очевидной важность работы с отношениями и системами отношений, связывающими элементы проблемной среды воедино.

  В середине 60-х годов в СССР возник комплекс методов решения различных  управленческих задач, опирающихся на реляционную модель. Эти методы получили общее название "ситуационное управление". В их основе лежит идея о том, что любая ситуация, которая может возникнуть в физическом мире, может быть описана через конечное число базовых отношений, из которых при необходимости могут быть порождены производные отношения. Те. или иные решения соответствуют классам таких ситуаций. Центральной задачей принятия решения является отнесение текущей ситуации к одному из классов, что позволяет принять определенное решение. Сама система классов ситуаций априорно полностью не задается, а формируется в процессе функционирования системы. Концептуальная программа, лежащая в основе конкретных программ, построенных на подобных принципах, была предложена Д.А.Поспеловым и В.Н.Пушкиным и названа Гироматом. При решении ряда конкретных задач, связанных с задачами оперативного управления сложными системами, было использовано несколько конкретных реализаций этой концептуальной программы. Историю развития ситуационного управления и описание принципов Гиромата можно найти в [27]. Метод ситуационного управления, пожалуй, раньше чем все другие подходы, развивавшиеся в этот период в области создания интеллектуальных программ, использовал идею представления знаний и манипулирования ими. Эта идея является центральной на современном этапе развития работ в ИИ.

  Кроме лабиринтной и реляционной моделей  решения задач человеком в  психологии большое внимание уделялось ассоциативной модели. Согласно ей обучение чему-либо у человека происходит в процессе формирования ассоциативных связей, носящих вероятностный характер. В уже упоминавшейся работе [23] можно найти описание многих аспектов этой модели. На ее основе в первой половине 60-х годов Э.Фейгенбаумом и Г.Саймоном (США) было создано несколько версий программы, получившей название ЕРАМ [7,19]. Другой программой, основанной на той же модели, является созданная в СССР в группе М.М.Бонгарда программа ассоциативного обучения незнакомому языку [24]. Идеи этих программ и до настоящего времени не потеряли своего значения. По существу, современное развитие моделей обучения искусственных систем все еще происходит в рамках ассоциативной модели. Необходимо упомянуть еще об одной программе универсального характера, созданной к концу 60-х годов. Это программа MULTIPLE, авторами которой являются Дж.Слейгл и Д.Конайвер [19]. Эта программа объединяла в себе программу обучения и программу логического вывода. Обе части программы содержат новые идеи. Так программа, осуществляющая вывод, имела средства не только для поиска конструктивного доказательства, но и средства для поиска опровергающих соображений по поводу тех или иных утверждений, а обучающая программа на основании обработки положительных и отрицательных примеров реализовывала процедуру введения оценок условий истинности тех или иных утверждений. Совокупность подобных примеров неоднократно встречается в интеллектуальных программах, относящихся к более поздним этапам развития работ в области интеллектуальных систем. В качестве конкретных задач, на которых программа MULTIPLE демонстрировала свои возможности, использовалась игра в калах, а также анализ шашечных позиций.

  На  начальном этапе развития работ  в области искусственного интеллекта, продолжавшемся до начала 70-х годов, можно проследить как бы две тенденции в создании моделей интеллектуальной деятельности. Одна из них – та, о которой уже шла речь. Ее сторонники рассматривают проблему создания интеллектуальных систем, как проблему создания особых программ, реализуемых на ЭВМ. При этом они не ставят перед собой задачи воспроизведения в этих программах тех процессов, которые протекают при решении тех же задач у человека. Таким образом, их интересует не то, как человек получает решение той или иной интеллектуальной задачи, а совпадение с тем результатом, который получен человеком. Такую точку зрения можно назвать информационной.