litceysel.ru
добавить свой файл
1


МУНИЦИПАЛЬНОЕ ОБЩЕОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

СРЕДНЯЯ ОБЩЕОБАЗОВАТЕЛЬНАЯ ШКОЛА №25


ШКОЛЬНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ

«ШАГ ЗА ШАГОМ»


СОЗДАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА


ВЫПОЛНИЛА: Гашева Светлана,

ученица 10 Б класса.

РУКОВОДИТЕЛЬ: Немчинов В.В.,

учитель информатики.


Тюмень-2006 г.

Содержание:



Введение………………………………………………………………………3


Актуальность создания искусственного интеллекта…………………….....6

Проблемы, изучаемые в искусственном интеллекте……………………….7

Механический подход………………………………………………………..8


Кибернетический подход…………………………………………………....11


Нейронный подход…………………………………………………………..12


Появление перцептрона……………………………………………………..13


Искусственный интеллект и

теоретические проблемы психологии……………………………………...16


Заключение…………………………………………………………………..19


Список литературы………………………………………………………….20


ВВЕДЕНИЕ

Искусственный интеллект – одна из новейших наук, появившихся во второй половине 20-ого века на базе вычислительной техники, математической логики, программирования, психологи, лингвистики, нейрофизиологии и других отраслей знания. Задача учёных состояла в том, чтобы построить компьютер, действующий таким образом, что по результатам его работы невозможно было бы отличить его деятельность от деятельности человеческого разума. Сейчас Искусственный Интеллект рассматривают как прикладную область исследований, связанных с имитацией отдельных функций интеллекта человека [6]. Распознавание образов, машинный перевод, интеллектуальные агенты, робототехника — это лишь некоторые из направлений, по которым развиваются системы искусственного интеллекта.


Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта, обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что, прежде всего, необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная проблема, стоящая перед современной наукой - познание процессов функционирования человеческого разума, а не просто имитация его работы [1], что непосредственно затрагивало фундаментальные теоретические проблемы психологической науки. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований - интеллекта.

Термин «интеллект» (intelligence) происходит от латинского «intellectus», что означает ум, рассудок, разум; мыслительные способности человека. В понятие «искусственный интеллект» вкладывают различный смысл – от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осуществляемых человеком, или ещё более широкую их совокупность.

Английские учёные Левин, Дранг и Эдельсон в своей книге [15] дают такое определение искусственному интеллекту – это программная система, имитирующая на компьютере мышление человека. Искусственный интеллект, как следует из названия, придаёт компьютеру черты разума.

Какие же задачи, решаемые техническими системами, можно рассматривать как констатирующие искусственный интеллект? Чтобы ответить на этот вопрос, нужно сначала уяснить, что такое задача. Как отмечают психологи [14], этот термин тоже не является достаточно определённым. По-видимому, в качестве исходного можно принять понимание задачи как мыслительный процесс, существующий в психологии. Они подчёркивают, что задача есть только тогда, когда есть работа для мышления, т.е. имеется некоторая цель, а средства к её достижению не ясны; их следует найти посредством мышления.


Если задача не является мыслительной, то она решается на ЭВМ традиционными методами и, значит, не входит в круг задач искусственного интеллекта. Её интеллектуальная часть выполнена человеком. На долю машины осталась часть работы, т.е. неинтеллектуальная.

Характеризуя особенности систем искусственного интеллекта, Л. Т. Кузин [13] указывает на:

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;

2) способность к пополнению имеющихся знаний;

3) 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;

4) умение оперировать в ситуациях, связанных с различными аспектами нечёткости, включая «понимание» естественно языка;

5) способность к диалоговому взаимодействию с человеком;

6) способность к адаптации.

А. Тьюринг [12] предложил в качестве критерия, определяющего, может ли машина мыслить, «игру в имитацию». Согласно этому критерию, машина может быть признана мыслящей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не сможет отличить её от ответов человека.

Критерий Тьюринга в литературе был подвергнут критике с различных точек зрения [2]. Действительно серьёзный аргумент против этого критерия заключается в том, что в подходе Тьюринга ставится знак тождества между способностью мыслить и способностью к решению задач переработки информации определённого типа. Успешная «игра в имитацию» не может без предварительного тщательного анализа мышления как целостности быть признана критерием её способностью к мышлению.

Идея создания мыслящих машин "человеческого типа", которые, казалось бы, думают, двигаются, слышат, говорят, и вообще ведут себя как живые люди уходит корнями в глубокое прошлое [4]. Еще древние египтяне и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества (разумеется, не без помощи жрецов). Средневековые летописи полны рассказов об автоматах, способных ходить и двигаться почти также как их хозяева - люди. В средние века и даже позднее ходили слухи о том, что у кого-то из мудрецов есть гомункулы (маленькие искусственные человечки) - настоящие живые, способные чувствовать существа. Выдающийся швейцарский врач и естествоиспытатель XVI века, Теофраст Бомбаст фон Гогенгейм (более известный под именем Парацельс), оставил руководство по изготовлению гомункула, в котором описывалась странная процедура, начинавшаяся с закапывания в лошадиный навоз герметично закупоренной человеческой спермы. "Мы будем как боги, - провозглашал Парацельс. - Мы повторим величайшее из чудес господних - сотворение человека!"



Актуальность создания искусственного интеллекта

Проблема создания искусственного интеллекта не такая современная, как кажется, поскольку человек с древних времён стремился упростить свою жизнь, переложив часть своих обязанностей на специальные приспособления. Раньше этот вопрос ограничивался созданием машин или роботов, способных выполнять тяжёлую физическую работу. Но с развитием науки человек всё чаще стал задумываться о создании машины, способной выполнять и умственную работу.

Актуальность создания искусственного интеллекта в настоящее время связана со сложностью проблем, которые приходится решать современному человечеству. К таким проблемам можно отнести освоение космоса, прогнозирование природных катаклизмов и антропогенного воздействия на окружающую среду, создание сложнейших инженерных проектов, использование современной техники в медицине и многие научные исследования.

В настоящие время наука подошла к такому уровню своего развития, что появилась возможность создания искусственного интеллекта. Однако многие учёные скептически относятся к этому вопросу, т.к. существует множество проблем, которые пока не удаётся решить научным путём.

Несмотря на это, задача создания искусственного интеллекта не стала менее актуальной. В настоящее время создаются всё более и более усовершенствованные программы, максимально напоминающие по своему действию мыслительные процессы человека. Они значительно упростили наш быт, труд и играют большую роль в современной жизни и науке.


Проблемы, изучаемые в искусственном интеллекте

Существует несколько основных проблем, изучаемых в искусственном интеллекте [10]:

  1. Представление знаний – разработка методов и приёмов для формализации и последующего ввода в память интеллектуальной системы знаний из различных проблемных областей, обобщение и классификация накопленных знаний, использование знаний при решении задач.


  2. Моделирование рассуждений – изучение и формализация различных систем человеческих умозаключений, используемых в процессе решения разнообразных задач, создание эффективных программ для реализации этих систем в вычислительных машинах.

  3. Диалоговые процедуры общения на естественном языке, обеспечивающие контакт между интеллектуальной системой и человеком-специалистом в процессе решения задач.

  4. Планирование целесообразной деятельности – разработка методов построения программ сложной деятельности на основании тех знаний о проблемной области, которые хранятся в интеллектуальной системе.

  5. Обучение интеллектуальных систем в процессе их деятельности, создание комплекса средств для накопления и обобщении умений и навыков, накапливаемых в таких системах.



Механический подход

В XVIII веке благодаря развитию техники, особенно разработке часовых механизмов, интерес к подобным изобретениям возрос, хотя результаты были гораздо более "игрушечными", чем это хотелось бы Парацельсу. В 1736 г. французский изобретатель Жак де Вокансон изготовил механического флейтиста в человеческий рост, который исполнял двенадцать мелодий, перебирая пальцами отверстия и дуя в мундштук, как настоящий музыкант. В середине 1750-х годов Фридрих фон Кнаус, австрийский автор, служивший при дворе Франциска I, сконструировал серию машин, которые умели держать перо и могли писать довольно длинные тексты. Другой мастер, Пьер Жак-Дроз из Швейцарии, построил пару изумительных по сложности механических кукол размером с ребенка: мальчика, пишущего письма и девушку, играющую на клавесине. Успехи механики XIX в. стимулировали еще более честолюбивые замыслы учёных. Так, в 1830-х годах английский математик Чарльз Бэббидж задумал, правда, так и не завершив, сложный цифровой калькулятор, который он назвал Аналитической машиной; как утверждал Бэббидж, его машина в принципе могла бы рассчитывать шахматные ходы. Позднее, в 1914 г., директор одного из испанских технических институтов Леонардо Торрес-и-Кеведо действительно изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти также хорошо, как и человек.


Однако только после второй мировой войны появились устройства, казалось бы, подходящие для достижения заветной цели - моделирования разумного поведения; это были электронные цифровые вычислительные машины [8]. "Электронный мозг", как тогда восторженно называли компьютер, поразил в 1952 г. телезрителей США, точно предсказав результаты президентских выборов за несколько часов до получения окончательных данных. Этот "подвиг" компьютера лишь подтвердил вывод, к которому в то время пришли многие ученые: наступит тот день, когда автоматические вычислители, столь быстро, неутомимо и безошибочно выполняющие автоматические действия, смогут имитировать невычислительные процессы, свойственные человеческому мышлению, в том числе восприятие и обучение, распознавание образов, понимание повседневной речи и письма, принятие решений в неопределенных ситуациях, когда известны не все факты. Таким образом "заочно" формулировался своего рода "социальный заказ" для психологии, стимулируя различные отрасли науки.

Сейчас уже создан робот-вездеход, у которого есть лазеры и радар, а вместо глаз установлены телекамеры [11] . Он способен изменять направление движения, чтобы объезжать возникающие на пути препятствия. В некоторой степени этот робот может познавать окружающий мир, как и человек. Его компьютерный «мозг» изменяет его поведение в зависимости от поступающей из окружающего мира информации. Но людям приходится указывать компьютеру, управляющему вездеходом, в каком направлении ему нужно ехать – направо, налево или прямо.

Такие машины-роботы колесят по поверхности планеты Марс и собирают информацию о ней; потом они передают эти сведения на Землю по радио.

Многие изобретатели компьютеров и первые программисты развлекались составляя программы для отнюдь не технических занятий, как сочинение музыки, решение головоломок и создание игр, на первом месте здесь оказались шашки и шахматы. Некоторые романтически настроенные программисты даже заставляли свои машины писать любовные письма. К концу 50-х годов все эти увлечения выделились в новую более или менее самостоятельную ветвь информатики, получившую название "искусственный интеллект". Исследования в области искусственного интеллекта, первоначально сосредоточенные в нескольких университетских центрах США - Массачусетском технологическом институте, Технологическом институте Карнеги в Питтсбурге, Станфордском университете, - ныне ведутся во многих других университетах и корпорациях США и других стран. В общем, исследователей искусственного интеллекта, работающих над созданием мыслящих машин, можно разделить на две группы. Одних интересует чистая наука и для них компьютер - лишь инструмент, обеспечивающий возможность экспериментальной проверки теорий процессов мышления. Интересы другой группы лежат в области техники: они стремятся расширить сферу применения компьютеров и облегчить пользование ими. Многие представители второй группы мало заботятся о выяснении механизма мышления - они полагают, что для их работы это едва ли более полезно, чем изучение полета птиц и самолетостроения. В настоящее время, однако, обнаружилось, что как научные, так и технические поиски столкнулись с несоизмеримо более серьезными трудностями, чем представлялось первым энтузиастам. На первых порах многие исследователи искусственного интеллекта верили, что через какой-нибудь десяток лет машины обретут высочайшие человеческие таланты. Предполагалось, что, преодолев период "электронного детства" и обучившись в библиотеках всего мира, хитроумные компьютеры, благодаря быстродействию точности и безотказной памяти постепенно превзойдут своих создателей-людей. Сейчас мало кто говорит об этом, а если и говорит, то отнюдь не считает, что подобные чудеса не за горами. На протяжении всей своей короткой истории исследователи в области искусственного интеллекта всегда находились на переднем крае информатики. Многие, ныне обычные, разработки, в том числе усовершенствованные системы программирования, текстовые редакторы и программы распознавания образов, в значительной мере рассматриваются на работах по искусственному интеллекту. Новые идеи, теории и разработки искусственного интеллекта неизменно привлекают внимание тех, кто стремится расширить области применения и возможности компьютеров, сделать их более "дружелюбными" то есть более похожими на разумных помощников и активных советчиков, чем те педантичные и глуповатые электронные рабы, какими они всегда были.


Несмотря на многообещающие перспективы, ни одну из разработанных до сих пор программ искусственного интеллекта нельзя назвать "разумной" в обычном понимании этого слова. Это объясняется тем, что все они узко специализированы; самые сложные экспертные системы по своим возможностям скорее напоминают дрессированных или механических кукол, нежели человека с его гибким умом и широким кругозором. Даже среди исследователей искусственного интеллекта теперь многие сомневаются, что большинство подобных изделий принесет существенную пользу. Немало критиков искусственного интеллекта считают, что такого рода ограничения вообще непреодолимы.

К числу таких скептиков относится и Хьюберт Дрейфус, профессор философии Калифорнийского университета в Беркли [1]. С его точки зрения, истинный разум невозможно отделить от его человеческой основы, заключенной в человеческом организме. "Цифровой компьютер - не человек, - говорит Дрейфус. - У компьютера нет ни тела, ни эмоций, ни потребностей. Он лишен социальной ориентации, которая приобретается жизнью в обществе, а именно она делает поведение разумным. Я не хочу сказать, что компьютеры не могут быть разумными. Но цифровые компьютеры, запрограммированные фактами и правилами из нашей, человеческой, жизни, действительно не могут стать разумными. Поэтому искусственный интеллект в том виде, как мы его представляем, невозможен".


Кибернетический подход

Попытки построить машины, способные к разумному поведению, в значительной мере вдохновлены идеями профессора МТИ Норберта Винера [2], одной из выдающихся личностей в интеллектуальной истории Америки. Помимо математики он обладал широкими познаниями в других областях, включая нейропсихологию, медицину, физику и электронику. Винер был убежден, что наиболее перспективны научные исследования в так называемых пограничных областях, которые нельзя конкретно отнести к той или иной конкретной дисциплине. Они лежат где-то на стыке наук, поэтому к ним обычно не подходят столь строго. "Если затруднения в решении какой-либо проблемы психологии имеют математический характер, пояснял он, - то десять несведущих в математике психологов продвинуться не дальше одного столь же несведущего".


Винеру и его сотруднику Джулиану Бигелоу принадлежит разработка принципа "обратной связи", который был успешно применен при разработке нового оружия с радиолокационным наведением. Принцип обратной связи заключается в использовании информации, поступающей из окружающего мира, для изменения поведения машины. В основу разработанных Винером и Бигелоу систем наведения были положены тонкие математические методы; при малейшем изменении отраженных от самолета радиолокационных сигналов они соответственно изменяли наводку орудий, то есть - заметив попытку отклонения самолета от курса, они тотчас рассчитывали его дальнейший путь и направляли орудия так, чтобы траектории снарядов и самолетов пересеклись.

В дальнейшем Винер (1958) разработал на принципе обратной связи теории как машинного, так и человеческого разума. Он доказывал, что именно благодаря обратной связи все живое приспосабливается к окружающей среде и добивается своих целей. "Все машины, претендующие на "разумность",- писал он, - должны обладать способностью преследовать определенные цели и приспосабливаться, т.е. обучаться". Если принять, что разум - своего рода сложная динамическая форма, т.е. по сути своей динамическая структура взаимозависимых информационных потоков, то может ли кто-нибудь ответить на вопрос: "возможно ли сохранить сущность разума как структуры, поменяв физический носитель? " Т.е. проблему искусственного интеллекта решить не как создание этого интеллекта, а как перенос человеческого разума на другой носитель? Например, так, как взрослые воспитывают малышей... по сути, перенося часть своей информационной системы на другой носитель - в ребенка.


Нейронный подход

К этому времени и другие ученые стали понимать, что создателям вычислительных машин есть чему поучиться у биологии [7]. Среди них был нейрофизиолог и поэт-любитель Уоррен Маккалох, обладавший, как и Винер, философским складом ума и широким кругом интересов. В 1942 г. Маккалох, участвуя в научной конференции в Нью-йорке, услышал доклад одного из сотрудников Винера о механизмах обратной связи в биологии. Высказанные в докладе идеи перекликались с собственными идеями Маккалоха относительно работы головного мозга. В течении следующего года Маккалох в соавторстве со своим 18-летним протеже, блестящим математиком Уолтером Питтсом, разработал теорию деятельности головного мозга. Эта теория и являлась той основой, на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны.


Большой проблемой, с которой столкнулся человек при создании искусственного интеллекта, является то, что он сам до конца не понимает, как устроен человеческий мозг, в результате каких операций человек обретает способность мыслить. Достаточно посмотреть какое сложное строение имеет мозг (рис. 1) [16], что бы понять, на сколько велика данная проблема.

Исходя отчасти из предшествующих исследований нейронов (основных активных клеток, составляющих нервную систему животных), проведенных Маккаллохом, они с Питтсом выдвинули гипотезу, что нейроны можно упрощенно рассматривать как устройства, оперирующие двоичными числами. Двоичные числа, состоящие из цифр единица и нуль, - рабочий инструмент одной из систем математической логики. Английский математик XIXв. Джордж Буль, предложивший эту остроумную систему, показал, что логические утверждения можно закодировать в виде единиц и нулей, где единица соответствует истинному высказыванию, а ноль - ложному, после чего этим можно оперировать как обычными числами. Таким образом, работу человеческого мозга можно представить в виде блок-схемы, понятной как человеку, так и машине (рис.2). В 30-е годы XX в. учёные информатики, в особенности американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют двум состояниям электрической цепи (включено-выключено), поэтому двоичная система идеально подходит для электронно-вычислительных устройств [5]. Маккалох и Питтс предложили конструкцию сети из электронных "нейронов" и показали, что подобная сеть может выполнять практически любые вообразимые числовые или логические операции. Далее они предположили, что такая сеть в состоянии также обучаться, распознавать образы, обобщать, т.е. она обладает всеми чертами интеллекта.

Теории Маккаллоха-Питтса в сочетании с книгами Винера вызвали огромный интерес к разумным машинам. В 40-60-е годы все больше кибернетиков из университетов и частных фирм запирались в лабораториях и мастерских, напряженно работая над теорией функционирования мозга и методично припаивая электронные компоненты моделей нейронов.


Из этого кибернетического, или нейромодельного, подхода к машинному разуму скоро сформировался так называемый "восходящий метод" - движение от простых аналогов нервной системы примитивных существ, обладающих малым числом нейронов, к сложнейшей нервной системе человека и даже выше. Конечная цель виделась в создании "адаптивной сети", "самоорганизующейся системы" или "обучающейся машины". Все эти названия разные исследователи использовали для обозначения устройств, способных следить за окружающей обстановкой, и, с помощью обратной связи, изменять свое поведение в полном соответствии с господствовавшей в те времена бихевиористской школой психологии, т.е. вести себя так же как живые организмы. Однако отнюдь не во всех случаях возможна аналогия с живыми организмами.

Но дело здесь не только во времени. Основной трудностью, с которой столкнулся "восходящий метод" на заре своего существования, была высокая стоимость электронных элементов. Слишком дорогой оказывалась даже модель нервной системы муравья, состоящая из 20 тыс. нейронов, не говоря уже о нервной системе человека, включающей около 100 млрд. нейронов. Даже самые совершенные кибернетические модели содержали лишь несколько сотен нейронов. Столь ограниченные возможности обескуражили многих исследователей того периода.


Появление перцептрона

Одним из тех, кого ничуть не испугали трудности, был Фрэнк Розенблат, труды которого казалось, отвечали самым заметным устремлениям кибернетиков. В середине 1958 г. им была предложена модель электронного устройства, названного им «перцептроном», которое должно было бы имитировать процессы человеческого мышления. Перцептрон должен был передавать сигналы от "глаза", составленного из фотоэлементов, в блоки электромеханических ячеек памяти, которые оценивали относительную величину электрических сигналов [3]. Эти ячейки соединялись между собой случайным образом в соответствии с господствующей тогда теорией, согласно которой мозг воспринимает новую информацию и реагирует на нее через систему случайных связей между нейронами. Два года спустя, была продемонстрирована первая действующая машина "Марк-1", которая могла научиться распознавать некоторые из букв, написанных на карточках, которые подносили к его "глазам", напоминающие кинокамеры. Перцептрон Розенблата оказался наивысшим достижением "восходящего", или нейромодельного метода создания искусственного интеллекта. Чтобы научить перцептрон способности строить догадки на основе исходных предпосылок, в нем предусматривалась некая элементарная разновидность автономной работы или "самопрограммирования". При распознании той или иной буквы одни ее элементы или группы элементов оказываются гораздо более существенными, чем другие. Перцептрон мог научаться выделять такие характерные особенности буквы полуавтоматически, своего рода методом проб и ошибок, напоминающим процесс обучения. Однако возможности перцептрона были ограниченными: машина не могла надежно распознавать частично закрытые буквы, а также буквы иного размера или рисунка, нежели те, которые использовались на этапе ее обучения.


Ведущие представители так называемого "нисходящего метода" специализировались, в отличие от представителей "восходящего метода", в составлении для цифровых компьютеров общего назначения программ решения задач, требующих от людей значительного интеллекта, например для игры в шахматы или поиска математических доказательств. К числу защитников "нисходящего метода" относились Марвин Минский и Сеймур Пейперт, профессора Массачусетского технологического института [3].

Минский начал свою карьеру исследователя искусственный интеллект сторонником "восходящего метода" и в 1951 г. построил обучающуюся сеть на вакуумных электронных лампах.

Однако вскоре, к моменту создания перцептрона, он перешел в противоположный лагерь. В соавторстве с южно-африканским математиком Пейпертом, с которым его познакомил Маккаллох, он написал книгу "Перцептроны", где математически доказывалось, что перцептроны, подобные розенблатовским, принципиально не в состоянии выполнять многие из тех функций, которые предсказывал им Розенблат. Минский утверждал, что, не говоря о роли работающих под диктовку машинисток, подвижных роботов или машин, способных читать, слушать и понимать прочитанное или услышанное, перцептроны никогда не обретут даже умения распознавать предмет частично заслоненный другим. Глядя на торчащий из-за кресла кошачий хвост, подобная машина никогда не сможет понять, что она видит.

Нельзя сказать, что появившаяся в 1969 г. эта критическая работа покончила с кибернетикой. Она лишь переместила интерес аспирантов и субсидии правительственных организаций США, традиционно финансирующих исследования по искусственному интеллекту, на другое направление исследований - "нисходящий метод".

Интерес к кибернетике в последнее время возродился, так как сторонники "нисходящего метода" столкнулись со столь же неодолимыми трудностями. Сам Минский публично выразил сожаление, что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его теперешним представлениям, для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на перцептрон. Но в основном искусственный интеллект стал синонимом нисходящего подхода, который выражался в составлении все более сложных программ для компьютеров, моделирующих сложную деятельность человеческого мозга.



Искусственный интеллект и теоретические проблемы психологии

Можно выделить две основные линии работ по искусственному интеллекту. Первая связана с совершенствованием самих машин, с повышением "интеллектуальности" искусственных систем. Вторая связана с задачей оптимизации совместной работы "искусственного интеллекта" и собственно интеллектуальных возможностей человека.

О.К. Тихомиров выделяет три позиции по вопросу о взаимодействии психологии и искусственного интеллекта [9]:

1) "Мы мало знаем о человеческом разуме, мы хотим его воссоздать, мы делаем это вопреки отсутствию знаний"- эта позиция характерна для многих зарубежных специалистов по искусственному интеллекту.

2) Вторая позиция сводится к констатации ограниченности результатов исследований интеллектуальной деятельности, проводившихся психологами, социологами и физиологами. В качестве причины указывается отсутствие адекватных методов. Решение видится в воссоздании тех или иных интеллектуальных функций в работе машин. Иными словами, если машина решает задачу, ранее решавшуюся человеком, то знания, которые можно подчеркнуть, анализируя эту работу, есть основной материал для построения психологических теорий.

3) Третья позиция характеризуется оценкой исследования в области искусственного интеллекта и психологии как совершенно независимых. В этом случае допускается возможность только потребления, использования психологических знаний в плане психологического обеспечения работ по искусственному интеллекту.

Об интеллекте компьютера можно было бы говорить, если бы он сам, на основании собственных знаний о том, как протекает игра в шахматы и как играют в эту игру люди, сумел составить шахматную программу или написал программу для создания несложных маршей и вальсов [10]. Не сами процедуры, с помощью которых выполняется та или иная интеллектуальная деятельность, а понимание того, как их создать, как научится новому виду интеллектуальной деятельности, - вот где скрыто то, что можно назвать интеллектом. Специальные метапроцедуры обучения новым видам интеллектуальной деятельности отличают человека от компьютера. Следовательно, в создании искусственного интеллекта основной задачей становится реализация машинными средствами тех метапроцедур, которые используются в интеллектуальной деятельности человека. Что же это за процедуры?


В психологии мышления есть несколько методов творческой деятельности. Одна из них называется лабиринтной. Суть лабиринтной гипотезы, на которой основана лабиринтная модель, заключается в следующем: переход от исходных данных задачи к её решению лежит через лабиринт возможных альтернативных путей. Не все пути ведут к желаемому результату, многие из них заведут в тупик, из которого надо уметь выбраться, вернуться к тому месту, где потеряно правильное направление. По мнению сторонников лабиринтной модели мышления, решение всякой творческой задачи сводится к целенаправленному поиску в лабиринте альтернативных путей с оценкой успеха после каждого шага.

С лабиринтной моделью связана первая из метапроцедур – целенаправленный поиск в лабиринте возможностей. Программированию этой метапроцедуры соответствуют многочисленные процедуры поиска, основанные на соображениях «здравого смысла» (человеческого опыта решения подобных задач). В 60-х годах было создано немало программ на основе лабиринтной модели, в основном игровых и доказывающих теоремы «в лоб», без привлечения искусственных приёмов. Соответствующее направление в программировании получило название эвристического программирования. Высказывались даже предположения, что целенаправленный поиск в лабиринте возможностей – универсальная процедура, пригодная для решения любых интеллектуальных задач.

Но исследователи отказались от этой идеи, когда столкнулись с задачами, в которых лабиринта возможностей либо не существует, либо он был слишком велик для метапроцедур поиска, как например, при игре в шахматы. Конечно, в этой игре есть лабиринт возможностей – это все мыслимые партии игры. Но как в этом астрономически большом лабиринте найти те партии, которые ведут к выигрышу? Лабиринт столь велик, что никакие мыслимые скорости вычислений не позволяют целенаправленно перебрать пути в нём. И все попытки использовать для этого человеческие эвристики (в данном случае профессиональный опыт шахматистов) не дают пути решения задачи. Поэтому современные шахматные программы уже давно используют не только метапроцедуру целенаправленного поиска, но и другие метапроцедуры, связанные с другими моделями мышления.


Долгие годы в психологии изучалась ассоциативная модель мышления. Основной метапроцедурой этой модели является ассоциативный поиск и ассоциативное рассуждение. Предполагается, что решение неизвестной задачи так или иначе основывается на уже решённых задачах, чем-то похожих на ту, которую надо решить. Новая задача рассматривается как уже известная, хотя и несколько отличающаяся от решённой. Поэтому способ её решения должен быть близок к тому, который когда-то помог решить подобную задачу.

Для этого надо обратиться к памяти и попытаться найти нечто похожее, что ранее уже встречалось. Это и есть ассоциативный поиск. Когда, увидев незнакомого человека, вы стараетесь вспомнить, на кого он похож, реализуется метод ассоциативного поиска. Но понятие ассоциации в психологии шире, чем просто «похожесть». Ассоциативные связи могут возникнуть и по контрасту, как противопоставление одного другому, и по смежности, т.е. в силу того, что некоторые явления возникали в рамках одной и той же ситуации или происходили одновременно (или с небольшим сдвигом по времени).

Ассоциативное рассуждение позволяет переносить приёмы, использованные ранние, на текущую ситуацию. К сожалению, несмотря на многолетнее изучение ассоциативной модели, не удалось создать стройную теорию ассоциативного поиска и ассоциативного рассуждения. Исключение составляет важный, но частный класс ассоциаций, называемых условными рефлексами. И всё же метапроцедура ассоциативного поиска и рассуждения сыграла важную роль: она помогла создать эффективные программы в распознавании образов, в классификационных задачах и в обучении ЭВМ. Но одновременно эта метапроцедура привела к мысли о том, что для её эффективного использования надо привлечь результаты, полученные в другой модели мышления, опирающейся на идею внутреннего представления проблемной области, на знания об её особенностях, закономерностях и процедурах действия в ней.

Это представление мыслительной деятельности человека обычно называют модельной гипотезой. Согласно ей, мозг человека содержит модель проблемной ситуации, в которой ему надо принять решение. Для решения используются метапроцедуры, оперирующие с совокупностью знаний из той проблемной области, к которой принадлежит данная проблемная ситуация. Например, если проблемная ситуация – переход через улицу с интенсивным движением, то знания, которые могут помочь её разрешить, касаются способов организации движения транспорта, сигналов светофоров, наличия дорожек для перехода и т.п.


В модельной гипотезе основными метапроцедурами становятся представление знаний, рассуждения, поиск релевантной (связанной с данной проблемной ситуацией) информации в совокупности имеющихся знаний, их пополнение и корректировка. Эти метапроцедуры составляют ядро интеллектуальных возможностей современных программ и программных систем, ориентированных на решение творческих задач. В совокупности с метапроцедурами целенаправленного поиска в лабиринте возможностей, ассоциативного поиска и рассуждения они образуют арсенал интеллектуальных средств, которым располагают современные интеллектуальные системы, часто называемые системами, основанными на знаниях.


ЗАКЛЮЧЕНИЕ

Работая над темой моего реферата, я не только узнала о существовании такой проблемы, как создание искусственного интеллекта, осознала её значимость и актуальность для развития современного человека, но и на практике попыталась подойти к решению этой не простой задачи, которой человечество посвятило, по крайней мере, 2,5 тыс. лет.

В этой работе я не только проанализировала мнения разных учёных по поводу создания искусственного интеллекта, но и выразила свою точку зрения. Приведённая в исследовательской части программа является экспертной системой, которая, в свою очередь, есть низшая ступень в создании искусственного интеллекта.

В дальнейшем, я планирую работать над этой программой, устранить некоторые недостатки, усовершенствовать, чтобы приблизить её, на столько, на сколько это возможно, к искусственному интеллекту.


Список литературы:

1) Дрейфус Х. Чего не могут вычислительные машины. М.: Прогресс, 1979.

2) Винер Н. Кибернетика и общество. М: ИЛ, 1958.

3) Минский М., Пейперт С. Перцептроны. М: Мир, 1971.

4) Компьютер обретает разум. / В сб.: Психологические исследования интеллектуальной деятельности. М.: Мир, 1990.

5) Бабаева Ю.Д. К вопросу о формализации процесса целеобразования. М.: Прогресс, 1970.


6) Брушлинский А.В. Возможен ли "искусственный интеллект"? М.: Мир, 1973

7) Гурьева Л.П. Об изменении мотивации в условиях использования искусственного интеллекта. М.: ИЛ, 1989.

8) Ноткин Л.И. Искусственный интеллект и проблемы обучения. М.: Педагогика-пресс, 1990.

9) Тихомиров О.К. Искусственный интеллект и теоретические вопросы психологии.

10) «ИНФОРМАТИКА, энциклопедический словарь для начинающих» - М.: Педагогика-пресс, 1990.

11) Большая книга вопросов и ответов о природе вещей и явлений. М.: ЭКСМО, 2005.

12) Тьюринг А. Может ли машина мыслить? М., 1960.

13) Кузин Л. Т. Основы кибернетики, т. 2. М.: Мир, 1977.

14) Гурова Л.Л. Психологический анализ решения задач, Воронеж, 1976.

15) Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на бейсике. Перевод с английского Сальникова М.Л.. М.: Финансы и статистика, 1990.

16) Коган А.Б. Биологическая кибернетика, М.: «ВЫСШАЯ ШКОЛА», 1972.