Роль робототехники в современном мире

Содержание

Введение

Актуальность. Развитие отечественной робототехники переживает большие трудности, отрасль фактически поставлена на грань выживания. Есть несколько причин такого положения. Во-первых, вся научно-техническая и исследовательская база робототехники долгие годы поддерживалась и финансировалась государством, основные приоритеты развития данной отрасли определялись на правительственном уровне. Во-вторых, развитие робототехники в Советском союзе стимулировалось и экономическим соперничеством между странами социалистического  и капиталистического лагеря.

Развитие робототехники в России зависит от многих причин. Робототехника – важная и перспективная отрасль промышленности, поскольку при помощи роботов и их комплексов руководители предприятий могут создавать высокоэффективное производство с минимальными издержками и высоким качеством продукции. Для достижения этой задачи они готовы привлекать инвестиционный капитал и вкладывать в их развитие собственные средства предприятия с целью значительно увеличить чистую прибыль от продаж продукции в будущем. Таким образом, для многих развитых предприятий подобный подход стал основой стратегии работы на долгие годы.

Мировые лидеры в производстве робототехники уже конкурируют между собой на российском рынке, использую знания и опыт отечественных инженеров по робототехнике. Положение дел необходимо срочно менять: развивать отечественную робототехнику при помощи национальных проектов, которые должны приниматься и курироваться на федеральном уровне.

Цель:  определить роль робототехники в современном мире.

Объект: искусственный интеллект.

Предмет: развитие робототехники в современном мире.

Для достижения поставленной в курсовой работе цели решались следующие задачи:

1. определить роль искусственного интеллекта в научно-техническом прогрессе;
2. рассмотреть использование интеллектуальных информационных систем в различных прикладных областях;
3. рассмотреть историю развития роботов;
4. определить современное состояние роботизации;
5. проанализировать роль робототехники в геологоразведывательной и космической промышленности.

Изученность. Методологической и теоретической основой курсовой работы послужили труды А. Ф. Тихонова [17] «Автоматизация и роботизация технологических процессов и машин в строительстве», Е. П. Попова [12] «Робототехника», В. Д. Цыганкова[18] «Нейрокомпьютер и мозг».

Вопросы, связанные с формированием и развитием робототехники, её определения и применения рассмотрены в работах В.Л.Афонин [1], Е.П. Попова [12], В.Д. Цыганкова [18], В.Л. Конюх [7] и др.

В составе авторов, рассматривающих современные возможности применения роботов, И.А. Каляев [5], Л. С. Ямпольский [20], В.В. Мацкевич [9], Е.П. Попов [11], которые имеют основополагающее значение для данного исследования.

Методы исследования. В курсовой работе были использованы  такие методы исследования как: анализ, обобщение, сравнение, классификация.

Апробация. Результаты по теме исследования были представлены в докладе на межвузовской научно-практической конференции «Развитие социально-культурной деятельности и художественного образования в Западно-Сибирском регионе: теория и практика»

Структура работы. Логика исследования обусловила структуру курсовой работы, состоящей из введения, двух глав, заключения и библиографии. Первая глава  посвящена обзору экспертных систем и рассмотрению инструментальных средств проектирования интеллектуальных систем. Во второй главе рассматриваются области применения экспертных систем в геологоразведывательной и космической промышленности. В заключении подводятся итоги проведения исследования робототехники и определения его роли в современном мире.

Глава 1. Системы искусственного интеллекта, как предпосылки создания робототехники

1.1. Теоретические основы  систем искусственного интеллекта

В течение тысяч лет человек пытается понять, как он думает. В области искусственного интеллекта (ИИ) решается еще более ответственная задача: специалисты в этой области пытаются не только понять природу интеллекта, но и создать интеллектуальные сущности.

Вернувшись в прошлый век, окунемся в ту атмосферу созидания и открытия Норбертом Винером новой науки "Кибернетики", положившей начало созданию «умных машин» [30].

Кибернетика – в большей степени наука о живых организмах, человеке и обществе, чем о машинах. Машина – скорее инструмент и модель в общей кибернетике, а не предмет изучения. Так считал сам Винер.

Винер сравнивал машины создаваемые человеком, и машины, создаваемые природой и делал вывод, что машины созданные природой (люди) более эффективны и приспособляемы, но машины, созданные человеком, дали человеку в руки орудие для естественного эксперимента и эксперимента мысленного.

Искусственный интеллект это одна из новейших областей науки. Первые работы в этой области начались вскоре после Второй мировой войны, а само ее название было предложено в 1956 году. Ученые других специальностей чаще всего указывают искусственный интеллект, наряду с молекулярной биологией. Студенты-физики вполне обоснованно считают, что все великие открытия в их области уже были сделаны Галилеем, Ньютоном, Эйнштейном и другими учеными [1].

В настоящее время тематика искусственного интеллекта охватывает огромный перечень научных направлений, начиная с таких задач общего характера, как обучение и восприятие, и заканчивая такими специальными задачами, как игра в шахматы, доказательство математических теорем, сочинение поэтических произведений и диагностика заболеваний. В искусственном интеллекте систематизируются и автоматизируются интеллектуальные задачи, и поэтому эта область касается любой сферы интеллектуальной деятельности человека. В этом смысле искусственный интеллект является поистине универсальной научной областью.

Свойства искусственного интеллекта

Характеристика искусственного интеллекта была предложена Л.Т. Кузиным [1]:

• наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;
• способность пополнения имеющихся знаний;
• способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью;
• умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая "понимание" естественного языка;

способность к диалоговому взаимодействию с человеком;

• способность к адаптации.

Можно сказать, что эти характеристики достаточно точно соответствуют характеристикам нашего интеллекта.

Предпосылки развития науки искусственного интеллекта

История искусственного интеллекта как нового научного направления начинается в середине 20 века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления. Экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений – теории алгоритмов и были созданы первые компьютеры.

История развития искусственного интеллекта показывает, что интенсивные исследования проводились по всем четырем направлениям. Вполне можно предположить, что между теми учеными, которые в основном исходят из способностей людей, и теми, кто занимается главным образом решением проблемы рациональности, существуют определенные разногласия.

Подход, ориентированный на изучение человека, должен представлять собой эмпирическую научную область, развитие которой происходит по принципу выдвижения гипотез и их экспериментального подтверждения. С другой стороны, подход, основанный на понятии рациональности, представляет собой сочетание математики и техники. Каждые из этих групп ученых действуют разрозненно, но вместе с тем помогают друг другу.

Проверка того, способен ли компьютер действовать подобно человеку: подход, основанный на использовании теста Тьюринга.

Тест Тьюринга, предложенный Аланом Тьюрингом, был разработан в качестве удовлетворительного функционального определения интеллекта. Тьюринг решил, что нет смысла разрабатывать обширный список требований, необходимых для создания искусственного интеллекта, который к тому же может оказаться противоречивым, и предложил тест, основанный на том, что поведение объекта, обладающего искусственным интеллектом, в конечном итоге нельзя будет отличить от поведения таких бесспорно интеллектуальных сущностей, как человеческие существа [4].

Компьютер успешно пройдет этот тест, если человек-экспериментатор, задавший ему в письменном виде определенные вопросы, не сможет определить, получены ли письменные ответы от другого человека или от некоторого устройства. Отметим, что решение задачи по составлению программы для компьютера для того, чтобы он прошел этот тест, требует большого объема работы. Запрограммированный таким образом компьютер должен обладать перечисленными ниже возможностями.

• Средства обработки текстов на естественных языках (Natural Language Processing—NLP), позволяющие успешно общаться с компьютером, скажем на английском языке.
• Средства представления знаний, с помощью которых компьютер может записать в память то, что он узнает или прочитает.
• Средства автоматического формирования логических выводов, обеспечивающие возможность использовать хранимую информацию для поиска ответов на вопросы и вывода новых заключений.
• Средства машинного обучения, которые позволяют приспосабливаться к новым обстоятельствам, а также обнаруживать и экстраполировать признаки стандартных ситуаций.

В тесте Тьюринга сознательно исключено непосредственное физическое взаимодействие экспериментатора и компьютера, поскольку для создания искусственного интеллекта не требуется физическая имитация человека. Но в так называемом полном тесте Тьюринга предусмотрено использование видеосигнала для того, чтобы экспериментатор мог проверить способности испытуемого объекта к восприятию, а также имел возможность представить физические объекты «в неполном виде»

Чтобы пройти полный тест Тьюринга, компьютер должен обладать перечисленными ниже способностями:

• Машинное зрение для восприятия объектов.
• Средства робототехники для манипулирования объектами и перемещения в пространстве.

Шесть направлений исследований, перечисленных выше, составляют основную часть искусственного интеллекта, а Тьюринг заслуживает нашей благодарности за то, что предложил такой тест, который не потерял своей значимости и через 50 лет. Тем не менее, исследователи искусственного интеллекта практически не занимаются решением задачи прохождения теста Тьюринга, считая, что гораздо важнее изучить принципы интеллекта, чем продублировать одного из носителей естественного интеллекта.

1.2. Прикладные задачи  систем искусственного интеллекта

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:

• технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;
• технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;
• высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;
• 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.