Различные модели искусственного интеллекта, проблемы его создания и применения

МУНИЦИПАЛЬНОЕ ОБЩЕОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ГИМНАЗИЯ  № 12  
 
 
 
 
 
 
 
 
 
 
 
 
 

Глушко  Дмитрий Вадимович

Ученик 9 “В” класса 
 
 

РАЗЛИЧНЫЕ МОДЕЛИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА,

ПРОБЛЕМЫ  ЕГО СОЗДАНИЯ И ПРИМЕНЕНИЯ 
 
 
 

Годовая работа по информатике 
 

Научный руководитель:

учитель информатики Кюнбергер А.Л. 
 
 
 
 
 
 
 
 
 
 
 

Липецк – 2007

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ……………………………………………………………………….….3

1. ПОНЯТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА…………………………....4
1. Термины и определения ……………………………………………….…....4
2. Проблемы представления знаний………………………………...…..……..7
3. Современные области исследований в искусственном интеллекте...…...13
4. Современные теоретические проблемы искусственного интеллекта...…15
2. МОДЕЛИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА………………………...….18
1. Логическая модель………………………………………………………….18
2. Продукционная модель……………………………………………………..22
3. Фреймы………………………………………………………………………23
4. Семантические сети……………………………………………………...…25
5. Новые модели…………………………………………………………….…28
1. Критериальные методы………………………………………………28
2. Вероятностные методы……………………………………………….29
3. Нейронные сети……………………………………………………….30

ЗАКЛЮЧЕНИЕ……………………………………………………………………..32

БИБЛИОГРАФИЧЕСКИЙ СПИСОК……………………………………..………33 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ВВЕДЕНИЕ

    Искусственный интеллект(ИИ), как и любое направление современной науки, имеет богатую предысторию. Знакомство с именами и трудами основоположников, их научными воззрениями, даже биографиями ученых имеет практический смысл, т. к. во многих случаях позволяет глубже понять смысл той или иной научной модели. Широкое развитие автоматизированных технологий началось, по–видимому, в 40–50 годах ушедшего XX века. Философская идея о замене человека “умной машиной”, возникшая в книгах Шелли (если  не ранее), получила наибольшее распространение в 60–80 годах. Основные теоретические положения искусственного интеллекта, а искусственный интеллект сегодня — вершина развития информационных технологий, заложены как раз в этот период. Сказанное не означает, что сегодня исследования ведутся менее активно, напротив, наблюдается пик развития компьютерных технологий, в их разработку вкладываются средства, сопоставимые с бюджетом ресурсодобывающих компаний. Тем не менее результаты скорее количественные. Впрочем, современные достижения в этой области не рекламируются, поскольку имеют явную военную направленность.

    Данная  годовая работа состоит из двух глав. В первой главе рассмотрены вопросы, связанные с понятием “искусственный интелект”. В ней разъясняются основные определения и термины, используемые в этом научном направлении. В завершении главы представлен спектр проблем, решаемых этим научным направлением.

    Вторая глава посвящена подробному рассмотрению различных моделей искусственного интеллекта — логической, продукционной, фреймовой и других моделей, возникновение которых относят к началу 90–х гг. 
 
 

1. ПОНЯТИЕ  ИСКУССТВЕННОГО  ИНТЕЛЛЕКТА

    Любой живой организм — интеллектуальная система. Он обладает долговременной памятью и способностью к самообучению. Ребенок, притронувшись к горячей плитке, уже не повторит ошибки. Щенок, впервые погнавшийся за кошкой, получит серьезный урок и вряд ли снова решит с ней поиграть. При следующей встрече он, скорее всего, убежит или покажет зубы, или проявит еще одну из тысяч возможных реакций.

    1.1. Термины и определения

     Определение 1. Интеллектуальной называется система (рис. 1), способная целеустремленно, в зависимости от состояния информационных входов, изменять не только параметры функционирования, но и сам способ своего поведения, причем способ поведения зависит не только от текущего состояния информационных входов, но также и от предыдущих состояний системы.

      
 
 
 
 
 

Рис.1. Интеллектуальная система как “черный ящик”

    Технические же системы чаще всего не являются интеллектуальными, т. е. их реакция на одно и то же событие не может измениться кардинально. Система автоматического управления давлением газа в трубе может открывать и закрывать заслонку (управлять параметрами), но она не может принять решение совсем вывинтить заслонку из трубы. Если аварии газопровода предшествует изменение давления (например, сначала резкое повышение, а затем резкое понижение), то автоматическая система воспримет это как нормальную ситуацию и попытается “отрегулировать” ее движением заслонки.

      Даже если после каждой аварии  мы будем добавлять в систему управления новый блок, точно фиксирующий параметры предыдущей ситуации, ничего не изменится. Простое накопление данных не “обучит” систему.

    Дело  в том, что щенок, получивший урок от кошки, запомнил не только параметры  ситуации (длину когтей и скорость реакции), но и правила поведения (не подходи, не подставляй нос, если залаять — она убежит).

    Определение 2. Интеллектуальной называется система, моделирующая на компьютере мышление человека.

    Второе  определение появилось в 60–х гг., когда считалось, что мозг человека можно смоделировать на компьютере. Клетки мозга — нейроны — программно описывались специальными математическими методами. Компьютерная программа, таким образом, представляла как бы “кусочек мозга” человека. На вход программы подавались некоторые данные (на вход клетки мозга в живом организме поступает слабый электрический сигнал), на выходе снимались результаты, которые сверялись с заданным эталоном. В зависимости от того, насколько полученные результаты отклонялись от эталона, в расчетные коэффициенты вносились изменения. В зависимости от количества циклов такого “обучения” результаты работы программы постепенно все более приближались к результатам работы очень маленького элемента мозга человека.

    Идея  о возможности повторить мозг на компьютере к 80–м гг. XX века потерпела полную неудачу, однако теория нейронных сетей, нейросетевой подход доказали свою полезность на целом ряде практических приложений. Хорошие результаты получены в первую очередь на задачах предсказания значений параметров и распознавания образов.

    Определение 3. Интеллектуальной называется система, позволяющая усилить интеллектуальную деятельность человека за счет ведения с ним осмысленного диалога.

    К концу 80–х гг. стало совершенно очевидно, что создать универсальный искусственный разум невозможно. Более того, выяснилось, что это и совершенно не нужно. Следует создавать узкоспециализированные интеллектуальные системы, которые не заменяют человека, а дополняют его. Человек имеет ряд уникальных способностей, но не свободен от недостатков. Не один человек не обладает реакцией кошки. Никто из нас не способен прочитать за минуту роман Л.Н. Толстого “Война и мир”, редко кто из людей обладает энциклопедической памятью. Примеров можно привести еще множество.

    Компьютер обладает “энциклопедической” памятью, компьютер совершает миллионы операций в секунду, компьютер реагирует практически мгновенно. Но компьютер — это “глупое железо”, он не способен мыслить, не способен отвечать за собственные поступки.

    Подчеркнем  актуальность совместной деятельности человека и машины. Необходимо, чтобы  компьютер служил советчиком человеку, быстро анализировал ситуацию, генерировал варианты действия и предлагал их человеку, а человек рассматривал предложенные варианты и пояснял, почему тот или иной вариант плох. Компьютер, учитывая полученные разъяснения, вновь анализировал бы все варианты действия и выдавал новые, а человек выбирал подходящий вариант и нес ответственность за его реализацию.

    Поясним сказанное примером: система автоматического наведения ракет обнаружила цель. Цель была обнаружена практически мгновенно, человек даже не успел ее заметить. Ракета была автоматически наведена на цель. Цели был послан запрос “свой-чужой”. Цель появилась на пульте управления перед оператором, человек принял решение о поражении и нажал на кнопку запуска ракеты. В случае полностью автоматического ведения цели существовала бы реальная опасность уничтожить свой самолет. В обратном случае, если бы наведением на цель, посылкой запроса занимался человек, могло быть упущено время.

    Таким образом, сегодня искусственный  интеллект — это самообучающийся инструмент, усиливающий деятельность человека по генерации и принятию решений. 

1.2. Проблемы представления знаний

    Создание  реальных интеллектуальных программ, а такие программы сегодня уже широко распространены, столкнулось с непреодолимыми трудностями теоретического характера. Интеллектуальную программу невозможно создать, используя только навыки программирования. Программа не станет интеллектуальной, если начнет заносить в свою базу данных все ситуации, с которыми она встречалась. Постоянно пополнять базы данных можно, и интеллектуальные программы это делают, однако это далеко не все, что необходимо для создания интеллектуальной программы.

    Пример. В конце 40–х гг. была поставлена задача автоматического перевода с одного языка на другой, например, с русского на английский. Перед вами сочетание: Read Only Memory. Здесь Read — читать, Only — только, Memory — память. Как правильно перевести эту фразу? Здесь возможны две ситуации:

    1) с точки зрения компьютера следовало бы заменить английские слова русскими просто в порядке их следования, тогда получим: “Читать только память”.

    2) с точки зрения человека–переводчика следовало бы учесть грамматику английского языка и начать перевод с конца фразы, а также согласовать элементы: “Память только для чтения”.

    Очевидно, кроме непосредственно исходных данных (в данном случае это слова “читать”, “только”, “память”) необходимо учитывать также и правила перевода. А что такое правила перевода? Как отразить их в программе-переводчике? Вот тут и возникает новое понятие — знания, неразрывно связанное с проблемами создания и применения ИИ.

    Знания — основной термин теории искусственного интеллекта. Очень интуитивно и довольно спорно знания можно определить как отношения между элементами данных.

    Например, машина получила на вход следующее предложение: “Вася любит Катю”. Здесь Вася и Катя — данные. Термин любит — это отношение. Отношение “любит” не обладает симметричностью. Зная это, машина может сгенерировать вполне осмысленный ответ: “Совсем не обязательно, что Катя любит Васю”.

    Вернемся  к примеру с переводом. Представим его графически (рис. 2). Видно, что схема перевода позволяет точно определить правильное направление перевода. Она неизменна для русского и английского вариантов. Вот эта схема, получаемая из каких–то внешних источников, не содержащаяся в исходной фразе, и есть знания.

    Рис.2. Отношения между элементами данных

     Другими словами, знания получаются в результате применения к исходным данным (их могут называть декларативной информацией) некоторых методов обработки, подключения каких–либо внешних процедур (их еще называют присоединенными процедурами или процедурной информацией). Необходимость установления отношений между сущностями требует совершенно нового подхода и, соответственно, новых программных средств. Работа программы искусственного интеллекта заключается в “выводе на знаниях” или “выводе новых знаний”. Этот процесс схематично представлен на рис. 3.