Искусственный интеллект: вчера, сегодня, завтра
В современном мире проблема создания искусственного интеллекта поднимается все чаще. То тут, то там промелькнут заметки в газетах, что, дескать, искусственный интеллект (ИИ) уже практически создан или применяется на практике в военных целях, космических исследованиях, медицине и т.д. Страсти накаляют и фантастические фильмы, повествующие о реальном существовании ИИ. В свете культовых фильмов "Матрица", "Терминатор", "Я — робот" телезритель приходит к однозначному умозаключению, что до создания ИИ осталось жить совсем недолго, и не пройдет и века, как судьбу человечества будет вершить какая-нибудь сложно организованная машина. Так ли это? Справедливы ли все эти домыслы? Возможно ли создание ИИ в принципе, и сколько осталось ждать, если возможно? На эти вопросы мы и постараемся дать сегодня ответ.
В целом понятие "искусственный интеллект" весьма расплывчато. Микрочипы не встроены сегодня разве что в лампочку, а изготовители всего и вся всерьез убеждают нас в существовании ИИ в их продукции. Если вкратце высказать общую мысль человечества по созданию ИИ, то это простое копирование человекоподобной линии поведения на искусственно созданном объекте для уменьшения затрат и времени человека. Для чего человеку ИИ? ИИ сможет частично или полностью заменить человека во многих специальностях и областях (космонавтика, рабочие специальности и т.д.). Кроме того, ИИ поможет человеку справиться с задачами, которые ему не под силу (сложные вычисления и анализ) и попросту расширит данный ему природой интеллект.
Для полного представления картины начнем с базовых понятий. Термин интеллект (intelligence) происходит от латинского понятия intellectus — ум, разум, рассудок. Искусственный интеллект (artificial intelligence — AI) понимается как способность автоматических систем брать на себя функции человека, выбирать и принимать оптимальные решения на основе ранее полученного жизненного опыта и анализа внешних воздействий. Любой интеллект опирается на деятельность. Деятельность мозга — это мышление. Интеллект и мышление связаны многими целями и задачами: распознавание ситуаций, логический анализ, планирование поведения. Характерными особенностями интеллекта являются способность к обучению, обобщению, накоплению опыта, адаптация к изменяющимся условиям в процессе решения задач. Исходя из самого определения ИИ вытекает основная проблема в создании интеллекта: возможность или невозможность моделирования мышления взрослого человека или ребенка. Если на этот вопрос будет дан отрицательный ответ, то сама идея ИИ теряет смысл в корне.
История развития искусственного интеллекта
Самыми первыми интеллектуальными задачами, в которых стал применяться ИИ (точнее, некое его подобие), стали логические игры (шашки, шахматы) и арифметические операции (решение уравнений, доказательство теорем), а также некоторые простые игрушки. Примером последних может быть электронная мышка, способная исследовать лабиринт и находить из него выход (в ее основе лежала простейшая релейная схема). Первые серьезные исследования относительно создания ИИ были предприняты практически сразу после появления первых ЭВМ. В 1954 году американцы А. Ньюэлл, Дж. Шоу, Г. Саймон и голландец А. Де Гроот совместно создали первый в истории человечества символьный язык программирования ИПЛ1 и в 1957 году написали на нем программу для игры в шахматы. В 1960 г. этой же группой была написана программа GPS (General Problem Slover) — универсальный решатель задач. Программа могла справиться с рядом головоломок, решением интегралов и некоторыми другими задачами. В 1962 году кибернетиком А. Самуэлем была создана программа для игры в шашки. Она была столь успешной, что смогла выиграть у сильнейшего шашиста США Р. Нили. В конце 60-х годов появились первые игровые программы, системы для элементарного анализа текста и решения математических задач. Уже тогда стала известна основная проблема ИИ: программа, которая играет в шахматы, никогда не будет играть в шашки или домино. Разработчики поняли и еще одно: всем написанным программам не достает самого важного — знаний в соответствующих областях. Эти вопросы исследователи стремились решить в следующем десятилетии. В 1974 году состоялся международный шахматный турнир электронных машин. Возгордитесь же! Победу в нем одержала советская машина с шахматной программой "Каисса". Позже программа с подобным ИИ победила всемирного гроссмейстера Г. Каспарова. Конфигурация компьютера была такова: 256 процессоров с 4 Гб дисковой памяти и 128 Мб ОЗУ каждый. К середине 70-х появляются первые интеллектуальные программы, использующие различные способы представления знаний для решения задач — экспертные системы. Одной из первых была экспертная система DENDRAL, предназначенная для составления формул химических соединений на основе спектрального анализа. В 1957 г. американец Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перцептрон. Перцептрон был способен работать в двух режимах: обучение и распознавание. В режиме обучения человек предъявлял объекты и объяснял машине, к какому классу каждый из них принадлежит (описание объекта). Затем в процессе распознавания машине предъявлялись новые объекты, и машина должна была их классифицировать правильно. Достаточно большой интерес с точки зрения ИИ представляет программа математика Хао Ванга, которая за 3 минуты работы на IBM-704 вывела 220 относительно простых лемм и теорем из фундаментальной математической монографии, а затем за 8,5 мин. выдала доказательство еще 130 более сложных теорем, часть которых к тому времени еще не была выведена математиками. Позже были созданы другие экспертные системы ИИ: MYCIN (предназначена для диагностики и лечения инфекционных заболеваний крови), PROSPECTOR (прогнозирует залежи полезных ископаемых), SIMER (система оценки качества воды), CASENET (диагностика и лечение глаукомы) и др.
Сегодня разработка систем ИИ продолжается еще более интенсивными темпами. Над этой проблемой работают крупнейшие мировые институты. ВМС США разрабатывают автоматические роботизированные системы Stryker и им подобные для автономного ведения боя; исследовательские лаборатории молекулярных биологов всего мира пользуются плодами сложных разработок ИИ — автоматическими методиками ПЦР (полимеразная цепная реакция для исследования ДНК), ИФА (иммуно-ферментный анализ для анализа белков), автомобилестроители — разработками ИИ для точной настройки двигателей и других частей автомобилей. Одним словом, история создания искусственного интеллекта продолжается...
Суть процесса искусственного мышления
Если быть максимально кратким, то суть процесса мышления заключается в следующем: по мере наращивания своего мировосприятия человек либо автоматическое устройство приобретает все большие возможности для воспроизводства собственных умозаключений. Эти умозаключения генерируются при решении задач для определения способа достижения поставленной цели. Для этого обычно необходимо выстроить логическую цепочку, начинающуюся на мировосприятии и заканчивающуюся на конкретной цели. Если задача обратна, то цепочку необходимо строить с цели. Сегодня существуют различные принципы построения систем искусственного интеллекта. Среди них — моделирование рассуждений на основе прецедентов (case-base reasoning — CBR), моделирование рассуждений с неопределенностью, рассуждения о действиях и изменениях и т.д. К примеру, в основе CBR — принципа построения ИИ — лежит выбор проблемы, поиск алгоритмов адаптации, поиск прошлого опыта, вывод, основанный на оценке сходства. После установки цели система должна рассмотреть множество случаев и вариантов решения проблемы, а затем выработать искомое решение. Методы построения CBR-интеллекта уже применяются для разработки товаров массового спроса, в медицине и смежных областях, в электронной коммерции и конструировании программ. В большинстве своем все работы по созданию ИИ весьма сложны и проводятся самыми развитыми институтами различных стран мира.
Суть реализации ИИ в теории и на практике
Суть реализации мышления до сих пор до конца не выяснена и остается тайной для науки. Однако наука часто путается сама с определением понятия мышления и путает нас. Как часто газетные и книжные публикации заверяют нас в том, что, раз компьютеры хранят и перерабатывают информацию, то, значит, они способны думать и мыслить. Увы, но люди, написавшие это, абсолютно не представляют себе всю сложность процесса мышления. Да, действительно объемы компьютерной информации реальны. Но эти объемы характеризуют не количество информации в сообщениях как таковой, а количество ячеек машинной памяти, которые они занимают. Сегодня компьютеры перерабатывают в большинстве своем не саму информацию, а всего лишь содержимое ячеек своей памяти (а их можно заполнить чем угодно). Таким образом, вывод напрашивается сам: компьютеры не "осмысливают" содержимое информации. В отличие от компьютеров, для людей характерны исключительно осмысленные понятия. Образно можно сказать, что у людей процесс мышления происходит в душе, в то время как для машин ее не существует.
Из каких компонентов обычно строится система искусственного интеллекта, да и любого интеллекта вообще? В первую очередь ИИ — это совокупность "железа" и программного обеспечения для него. В качестве первого обычно выступает компьютер определенной конфигурации и обслуживающие механизмы (манипуляторы, видеокамеры, звуковые и другие датчики). В большей степени на "интеллектуальность" машины в целом влияет именно программная начинка. Именно она определяет степень "продвинутости" данного ИИ.
В электронной начинке ИИ в первую очередь присутствует огромное количество памяти, на основе которой и строятся все рассуждения и выводы. Понятно, что все знания из различных областей в память ИИ заложить невозможно, но сделать интеллектуальную систему в определенной области познания вполне возможно. Обычно человек изначально закладывает в систему минимальные познания о мире. Далее эти познания расширяются в процессе накопления опыта и вложения его человеком (пассивный путь) либо самой системой (активный путь) в результате ее адаптации к условиям окружающей среды. Однако компьютерная память представляет собой лишь простую совокупность файлов и папок. Память человека устроена гораздо более сложно — она оперирует не файлами и их группами, не клочками информации. Человеческая память — это память образов. Человеческую память можно сравнить с летящей кометой: позади — длинный "хвост" жизненного опыта, который со временем автоматически забывается и затирается новым; сама комета — это слой реальной ежесекундной памяти; тонкий передний слой — это туманные соображения (предвидение) человеческого будущего. Как видим, память систем ИИ пока в корне отличается от человеческой. Во вторую очередь сам логический процесс просчета ситуации происходит в устройстве обработки информации. Чаще всего это определенное программное обеспечение + центральный процессор компьютера. От возможностей этого центра обработки информации напрямую зависит производительность и активность ИИ.
Самым главным отличием программного обеспечения настоящего искусственного интеллекта от простых приложений заключается возможность "мыслить" образами. С помощью образного мышления сегодня стали доступны такие технологии, как сжатие и кодирование информации, обработка биометрических образов, оптимизация гаммы цветопередачи, образный поиск, анализ смысла изображений, автоматическая каталогизация информации, алгоритмы распознавания и классификации образов. Для человека примерами образов могут быть небо, облака, музыка, море, стихи и т.д. Способность восприятия внешнего мира в форме образов позволяет людям узнавать бесконечно большое число объектов и понимать друг друга независимо от национальной принадлежности. Процесс восприятия объекта как образа для машины имеет некоторые особенности. Обычно перед выделением образа (например, графического) заранее считается известным лишь то, что требуется разделить общность точек некоторого пространства на две или более областей, и что после разделения все точки будут принадлежать этим двум (или более) областям. При этом заранее известно только расположение точек исходной области (их примерные координаты). Далее происходит сам процесс разделения точек на области (образы) по каким-либо критериям (для изображения это будет смена цветов и контрастов). Иногда требуется обработать изображение так, чтобы точки были более явными для разделения (например, перевести цветное изображение в черно-белое) — это сделает чувствительность разделения выше (так работает большинство программ для распознавания текста). Если система сможет самостоятельно классифицировать и отфильтровывать не только ранее известные объекты, но и неизвестные (не зная их свойств, по внешнему виду), то этот процесс будет называться самообучением. Сегодня системы ИИ могут различать только немногочисленные образы в небольших заданных пространствах.
Важной особенностью ИИ сегодня должно стать их обучение. Над этой проблемой работают сегодня многочисленные ученые во всем мире. Обучение обычно определяется как процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные внешние воздействия. Сегодня существуют прототипы оборудования, способные обучаться простейшим механическим операциям (обработка деталей на станке, копирование человеческой походки). Однако достижения в сфере обучения ИИ пока продвигаются довольно низкими темпами и не поспевают за развитием электроники.
Для решения той или иной задачи ИИ сегодня необходим алгоритм решения (впрочем, как и любому человеку). Алгоритм — это точное предписание о выполнении в определенном порядке операций для решения определенной задачи. Нахождение алгоритма для человека или машины связано с тонкими и сложными рассуждениями. Эти рассуждения часто требуют изобретательности и творческого подхода, поэтому машина постоянно нуждается во взаимодействии с человеком за неимением вышеуказанных качеств. Машине не свойственен "метод тыка" — она сегодня всего лишь ищет варианты решения проблемы из прописанных в базе данных. Важную роль в функционировании ИИ выполняют функции анализа информации и накопления жизненного опыта. Наблюдая за детьми, мы убеждаемся, что большую часть знаний они получают путем обучения и общения с окружающим миром, а не в качестве заложенных в них заранее. Изобретение эффективного механизма самоанализа и самостоятельного накопления жизненного опыта поставит ИИ на значительно более высокий уровень по сравнению с современным.
Сегодня интеллектуальные программы наподобие Copernic или системы распознавания образов установлены практически на каждом ПК. Проанализируем существующие системы ИИ на примерах программ распознавания графических образов и речи. Если говорить о восприятии и обработке речи, то программное обеспечение от Dragon Systems практически уже решило этот вопрос. Speech SDK от Microsoft также позволяет обеспечить приемлемое качество диктовки текста. Устойчивое распознавание слов и целых фраз достигается после нескольких часов тренировки и адаптации к манере произношения пользователя. При этом качество распознавания близко к 95% (сравнимо с качеством распознавания речи у человека). В основе принципа действия подобных программ лежит математическая модель преобразования акустических сигналов и графических изображений в числовые последовательности, каждой из которых соответствует определенное слово или графическая информация из программного словаря (к примеру, так работают программы Cuneiform, Fine Reader). Однако, в отличие от человека, данные программы всего лишь УЗНАЮТ слово или изображение, но не ОСМЫСЛИВАЮТ его. Это отличие является пока непреодолимой пропастью между интеллектом компьютера и человека и не позволяет создать действительно ДУМАЮЩИЙ искусственный интеллект.
Реальные возможности и достоинства искусственного интеллекта
В последнее время можно проследить постепенное превращение программной инженерии в интеллектуальную инженерию, рассматривающую более общие проблемы обработки информации и предоставления знаний. Для определения реальных возможностей развития ИИ рассмотрим перспективные подходы к организации систем ИИ, а заодно и вплотную подойдем к возможностям искусственного интеллекта сегодня.
Нейронные сети. Искусственные нейронные сети пришли к нам из биологии. Они образованы из элементов, возможности которых аналогичны большинству элементарных функций биологического нейрона — нервной клетки. Нейроны в сети выстраиваются в цепи, соединяются. Искусственные нейронные сети демонстрируют большое число свойств, присущих мозгу человека. Они обучаются на основе опыта, обобщают свой опыт, способны выделять главное из поступающей информации. Способность нейронной сети к обучению впервые была исследована Дж. Маккалоком и У. Питтом в опытах 1943 года на созданной ими модели нейрона. Авторы описали принципы построение нейронных сетей. Позже, в 1962 году, Ф. Розенблатт предложил свою модель нейронной сети — перцептрон, а в 1986 г. Дж. Хинтон и его коллеги опубликовали статью с описанием модели нейронной сети и алгоритмом ее обучения, что дало толчок к эффективному изучению нейронных сетей. Если рассматривать строение искусственной нейронной сети, то проще сделать это на примере биологической модели. Нейрон состоит из нескольких входов (дендритов) и одного выхода (аксон). В теле нейрона происходит взвешенное суммирование возбуждения на входах (дендритах), обработка и изменение уровня сигнала на выходе (аксоне) в зависимости от результата обработки поступивших сигналов. Будучи соединенными определенным образом, нейроны образуют нейронную сеть. Для моделей, построенных по типу нейронных сетей человеческого мозга, характерно легкое распараллеливание алгоритмов и высокая производительность. С человеческим мозгом их сближает также еще одно очень важное свойство, напрочь отсутствующее у простых электронных машин: нейронные сети работают даже при условии неполной информации об окружающей среде, т.е., как и человек, они могут отвечать не только "да" или "нет", но и "не знаю точно, но скорее да". Наиболее яркий пример применения сетей — проект Smart Sensor Web военного научного агентства DARPA. Он представляет собой сеть разнообразных датчиков, работающих совместно на поле боя. Каждый объект — источник данных: визуальных, цифровых, электромагнитных, химических, инфракрасных. При использовании данной нейронной сети возможно распознавание целей, анализ и предсказание сбоев техники. Сейчас продолжается совершенствование методов синхронной работы нейронных сетей на параллельных устройствах. Нейронным сетям сегодня под силу распознавание сигналов, речи, изображений, поиск данных, финансовое прогнозирование, шифрование данных. Нейросетевой подход используется в большом количестве задач — для кластеризации информации из Интернета, для имитации и моделирования сложно устроенного человеческого мозга, для распознавания образов и др. К достоинствам нейронных сетей можно отнести самонастраиваемость, гибкость конфигурирования, достаточно высокую эффективность, самообучаемость. Коль уж заговорили об Интернете, то специалисты считают, что в будущем именно он будет определять уклад и занятия отдыхающего человека (цифровое телевидение, универсальная библиотека, игры и т.д.) и, вероятно, в конце концов станет бесплатным (либо условно платным). Сегодня системы ИИ активно используются и в Интернете: это поисковые машины, обладающие примитивными признаками интеллекта и способные в считанные секунды находить и предоставлять информацию (rambler.ru и др.); разнообразные интеллектуальные датчики, призванные посредством сети предупредить об ограблении или пожаре, и т.д. Среди наиболее известных сегодня нейронных сетей выделяют сети Хопфилда, нейронные сети с обратным распространением ошибки и стохастические нейронные сети.
В связи с тем, что в последнее время эффективность обработки информации требует высоких тактовых частот процессоров (а они, как известно, пока уперлись в свой реальный частотный потолок около 4 ГГц), все чаще для повышения эффективности обработки используется многоядерность. Распространение сетей и создание высокопроизводительных кластеров все чаще вызывает интерес к вопросам распределения вычислений: оптимальная загрузка процессоров, гибкое самоконфигурирование, балансировка ресурсов, максимальный самоконтроль. Как тут обойтись без искусственного интеллекта? В свете последних событий в голову приходит мысль о принципиально новых процессорах СЕLL, построенных по принципу многоядерности и обладающих колоссальной производительностью. Возможно, они способны будут в будущем заменить многие серверные сети на современных процессорах. Робототехника. У каждого человека есть стремление максимально облегчить свой труд. Робототехника — это весьма перспективное на сегодня развитие формы ИИ. Поскольку работу мышц можно заменить только работой других приспособлений, человек не преминул этим воспользоваться — на многих заводах вместо людей сегодня трудятся роботы. Первых роботов трудно было назвать интеллектуалами. Только в конце 60-х годов были сконструированы роботы, управлявшиеся компьютерами. К примеру, в результате разработки проекта "Промышленный интеллектуальный робот" в Японии в 1969 году был собран робот с элементами ИИ для выполнения сборочно-монтажных работ с визуальным контролем. Манипулятор робота имел 6 степеней свободы и был оснащен тактильными датчиками. Зрение робота было организовано посредством двух видеокамер, снабженных светофильтрами для распознавания цвета предметов. Робот был способен грубо определять область, занимаемую интересующим предметом, и грубо распознавать простые предметы. Постепенно характеристики роботов значительно улучшились, и сегодня точности их работы позавидует любой человек (достаточно вспомнить лазерные роботизированные механизмы для изготовления микросхем или процессоров). Фирмой Epson изобретены даже летающие прототипы роботов. Сегодня в США планируется к 2005 году перевести довольно большую часть вооруженных сил на роботизированную основу. Внимание общественности привлекают ежегодные соревнования роботов-машин, передвигающихся по пересеченной местности, пользуясь при этом только картой. Эти сложно организованные механизмы способны самостоятельно принимать решения по координации передвижения и имеют для этого в составе примитивный ИИ с датчиками наклона автомобиля, радиомаяком, компасом, дальномером, инфракрасными и другими датчиками мониторинга движения. В США последнее время ведутся разработки по машинному обучению, навигации роботов, логическому планированию их действий и т.д.
Экспертные системы. Сегодня общество интересуют системы принятия решений в реальном времени, средства хранения, извлечения, анализа и моделирования знаний, системы динамического планирования. Среди них уже сегодня имеются конкретные результаты:
DENDRAL — высокоинтеллектуальная система распознавания химических структур. Это старейшая из экспертных программ. Первые версии данной системы появились еще в 1965 году. Пользователь задает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры. MICIN — экспертная система медицинской диагностики. Она разработана группой по инфекционным заболеваниям Стенфордского университета. Программа ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций.
PUFF — система анализа нарушения дыхания человека. Она представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.
PROSPECTOR — система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
Машинное обучение и самообучение. Этому вопросу уделяется сегодня огромное, если не главное, внимание в сфере искусственного интеллекта. Существует множество алгоритмов машинного обучения. Один из самых распространенных — алгоритмы класса С4. Эти алгоритмы позволяют выстраивать сложное древо решений и анализировать его. С каждой ветвью древа ассоциируется определенный класс примеров решения проблемы. В процессе решения классы могут разбиваться на подклассы. Завершение работы алгоритма — принятие того или иного решения, удовлетворяющего потребностям задачи. Недостаток такого алгоритма — ограниченность примеров решения проблемы.
Интеллектуальный анализ данных и обработка статистической информации. Сравнительно новое направление применения ИИ. Сюда относят процесс обнаружения ИИ закономерностей в исходной информации, выделение этих закономерностей, построение определенной модели для анализа информации, а затем прогнозирование результатов исследования на будущее и представление в виде графической информации. Это весьма перспективное направление ИИ уже реально применяется на различных биржах и в маркетинговой деятельности.
Системы автоматического планирования поведения. Таковые реально применяются сегодня на космических кораблях при освоении космоса и в батискафах для изучения глубин морского дна. Одним словом, это та область применения ИИ, где не допускается присутствие человека в принципе либо его вмешательство должно быть незначительным. Современные системы планирования поведения — это устройства с высокой степенью автономности и детальным целенаправленным поведением.
Агентные системы — очень молодое направление ИИ. Под таковыми понимают специальные программы-агенты, нацеленные на исследование коллективной аудитории и обладающие автономностью (абсолютно самостоятельная программа), социальностью (способна общаться с человеком), реактивностью (способна воспринимать окружающую среду, адекватно реагировать на ее изменения) и активностью (агенты могут характеризоваться целенаправленность поведения и проявлять инициативу). Подобные программы представляют огромный интерес для коммерческой и промышленной деятельности (маркетинг, телевидение, реклама), в военном деле (системы управления войсками), в системах управления транспортом и электронными сетями, где уже успешно применяются.
Самоорганизующиеся СУБД. Эти базы данных способны гибко подстраиваться под профиль конкретной задачи и практически не требуют вмешательства извне.
Автоматический анализ языков. Сюда относят поиск по словарям, распознавание языков, перевод, выявление незнакомых слов, лексику, грамматику и т.д.
Медицинские системы для выполнения точных операций и консультирования врачей в сложных ситуациях; роботы-манипуляторы для проведения операций повышенной точности (например, на сетчатке глаза).
Создание полностью автоматизированных заводов с заменой людей (особенно работа в условиях повышенной опасности). Таковые прототипы уже давно имеются. Большинство поточных линий на современных заводах микроэлектронной и других промышленностей нуждаются всего лишь в нескольких операторах-настройщиках, а всю работу по сборке и упаковке продукции выполняют роботы.
Одна из интереснейших и полезных сторон применения ИИ — разработка игр, развлекательных программ и систем искусственного общения с человеком. Большую долю здесь занимает моделирование социального поведения, общения, человеческих эмоций, творчества. Это одно из сложнейших направлений разработки ИИ и в то же время — одно из самых перспективных.
Современные системы искусственного интеллекта способны освоить гораздо больше специальностей, чем простой человек, благодаря значительно большему числу разнообразных датчиков информации и приспособлений. Эти воспринимающие датчики были созданы по типу строения органов чувств человека. К примеру, система зрения человека организована следующим образом: глаз (оптико-воспринимающая часть системы) -> нервные передающие волокна -> воспринимающие и анализирующие участки головного мозга (зрительные бугры мозга и участки коры полушарий). Теперь сравните эту систему со зрительной системой роботов: камера (система линз + фоточувствительная матрица) -> провода, передающие сигнал -> контроллер материнской платы с софтом для декодирования и анализа зрительной информации. Сравните эти две схемы. Нашли разницу? По сути, ее почти нет, наблюдается практически стопроцентное сходство. Разница только в том, что системы ИИ сегодня, в отличие от человека, могут воспринимать инфракрасный свет, ультрафиолет, видеть в полной темноте, слышать во всем диапазоне звуковых волн, производить передвижения с очень высокой точностью (до микрона), чувствуют изменения электромагнитого поля, магнитного поля земли, давления, напряжения электричества, никогда не засыпают и не чувствуют усталости. Разработки ИИ применяется сегодня в качестве автономных секретарей, поисковых машин (google.ru в Интернете), планировщиков работ, профессиональных учителей, продавцов. Также предполагается использование в дальнейшем систем ИИ во всевозможных бытовых приборах: уборщиках помещений; агрегатах для приготовления, доставки и заказа пищи; автоматических водителях автомобилей и т.д.
Однако не следует думать, что ЭВМ или роботы смогут решать любые задачи. Учеными доказано существование таких типов задач, для решения которых невозможен единый эффективный алгоритм (к примеру, сложные жизненные ситуации). Человек часто методом "научного тыка" расширяет для себя зону познания о природе, открывает новые законы. Компьютерному искусственному интеллекту это абсолютно несвойственно. В связи с этим поговорим о недостатках современных систем искусственного интеллекта.
Недостатки и проблемы современного искусственного интеллекта
Сегодня мы имеем возможность наблюдать постоянный рост вычислительной мощности компьютеров. Означает ли это появление у них ИИ? Отнюдь! К сожалению, даже принципы работы человеческой психики сегодня остаются неясными. А поскольку ИИ изначально задумывался как прообраз человека, то создание его сопряжено с неизвестностью. Однако рост производительности ПК в сочетании с повышением качества алгоритмов обработки делает возможным применение различных научных методов на практике в различных сторонах жизни человечества. Рассмотрим основные проблемы, связанные с разработкой ИИ на практике.
Большинство современных разработок ИИ используют несколько типов понятий: да (хорошо) и нет (плохо). В математике и электронике это нормально, но в жизни точные понятия пригождаются редко. Поскольку изначально ИИ задумывается как человекоподобный интеллект, служащий дополнением человеку, то угодить этому самому человеку будет очень нелегко. Как, к примеру, машине понять депрессивное состояние или эйфорию человека? Понятия "веселый" и "грустный" для машины здесь никак не подходят.
Проблемы в разработке ИИ прослеживаются и на уровне формирования образов и образной памяти. Поскольку образы в мышлении человека взаимопроникают друг в друга, то формирование образных цепочек у людей не представляет сложности — оно ассоциативно. Файлы же, в противоположность образам, есть обособленные пакеты машинной памяти. В памяти человека поиск данных ведется не по самому содержимому памяти, а вдоль готовых цепочек ассоциативных связок. Компьютер же ищет только конкретные файлы и папки. Пример: для человека не проблема узнать лицо друга на фотографии, даже если он похудеет или поправится, т.к. это яркий пример ассоциативной памяти. Для машины это практически невозможно. Она не сможет отличить главное от второстепенного.
Для получения результата ИИ использует только определенную базу известных данных. Ему несвойственен эксперимент.
Проблема перевода с одного языка на другой, а также обучения машины языку. Если вы предложите современным программам-переводчикам (например, Promt) перевести любой абзац из книги на другой язык, то поймете, что качеством здесь и не пахнет. В результате вы получите простой набор слов. Почему? Потому, что для перевода целых предложений необходимо понимать смысл предложения, а не просто переводить слова. Современные ИИ-программы смысл в тексте выделять пока не могут (вероятно, потому, что посредником для перевода, скажем, с французского на русский, является бездушный машинный язык — язык единиц и нолей).
Простота математических расчетов. В последнее время многими ведущими специалистами в области ИИ внесено предложение по исключению из списка высокоинтеллектуальных задач простого алгебраического решения уравнений, т.к. для этого сегодня имеются стандартные последовательные алгоритмы расчета. Это не требует сложных, многоэтапных и часто непоследовательных интеллектуальных способностей. Распознавание текста, игра в шахматы, напротив, требуют разбиения процесса на части и поиска решения из многочисленных возможных вариантов. Более того: даже распознавание текста, игра в шахматы и шашки, распознавание звуков на сегодня успешно применяются на практике, и их не принято возводить в ранг проблем ИИ. Современные разработки, связанные с искусственным интеллектом, неспособны к самокопированию (размножению). Это действительно так. На современном этапе развития кибернетики и электроники абсолютно самостоятельное самокопирование роботов невозможно, необходимо хотя бы частичное (часто значительное) вмешательство человека. Однако для программ этот процесс абсолютно прост — что стоит утилите самостоятельно копироваться в другую директорию? Ярким примером может стать "болезнь" современного Интернета — компьютерные и мобильные вирусы. Они способны к бесконтрольному размножению и значительно портят нам жизнь.
Еще одна проблема на пути к созданию ИИ — отсутствие у оного всякого проявления воли. Как это ни странно звучит, но у современных ПК есть колоссальные возможности к сложным расчетам, но абсолютно отсутствуют какие-либо желания. Даже если вы снабдите свой ПК микрофоном и акустикой, это абсолютно не значит, что он начнет самостоятельно писать музыку или самопроизвольно запускать какие-либо приложения. Он не ленивый — просто у него нет желаний. Компьютеру все равно, кто с ним работает, зачем и с какой целью.
У современных прототипов ИИ отсутствуют стимулы к дальнейшему совершенствованию. Дело в том, что в природе на любой живой организм действует фактор естественного отбора, порождающий постоянное приспособление к условиям окружающей среды. Голод, стремление выжить и дать потомство — вот факторы, постоянно действующие на живой огранизм. Они действуют как стимул к дальнейшему совершенствованию. Мотивация большинства современных ИИ весьма примитивна: человек задал задачу — машина ее выполняет без вариантов и эмоций. Теоретически на мотивацию и совершенствование может повлиять введение обратных связей компьютер -> человек и создание улучшенной системы самообучаемости машины. Правда, это только теория — на практике же все оказывается намного сложнее. Однако подобная работа уже проводится. В качестве стимула выбрано элементарное чувство голода — предвестник скорого окончания энергетических ресурсов и, соответственно, существования машины. Американец С. Вилкинсон создал "гастроробота" по имени "Жуй-жуй". Машина питается сахаром, и основой ее поведения является исследование окружающего мира в поисках съестного. Тело "Жуй-жуя" состоит из трех тележек, а чувство голода является его постоянным спутником, поскольку аккумуляторы постоянно требуют перезарядки. Проблемой являются частые ошибки этого "зверя" в выборе продуктов питания.
Некоторая примитивность искусственных нейронных сетей. Искусственные нейронные сети демонстрируют сегодня удивительные преимущества, присущие человеческому мозгу. Они обучаются на основе личного опыта, обобщают происходящее, самоконфигурируются, извлекают главное из поступающей информации с лишними данными. Однако даже самые развитые искусственные сети не могут дублировать функции человеческого мозга. Реальный интеллект, демонстрируемый сегодня самыми сложно устроенными нейронными сетями, находится ниже уровня развития интеллекта дождевого червя. Неэффективность искусственного интеллекта в военных целях. В последнее время в СМИ довольно часто появляются новости о создании ИИ в военных целях. Однако в реальности перед создателями подобных машин-роботов стоят очень сложные и часто неразрешимые задачи. Прежде всего это недостатки систем автоматического распознавания, неспособных самообучаться и адекватно анализировать информацию в режиме реального времени (принимать нужные решения в нужную минуту). Такой боевой машине очень тяжело, а скорее всего — практически невозможно, будет отличить на поле боя своих от чужих (весьма забавная ситуация, не правда ли:)). Также пока не разработано алгоритмов работы подобных устройств в условиях незнакомой местности и резко изменяющейся ситуации. Подобные боевые единицы способны сегодня максимум к простому дистанционному управлению. Более выдающиеся результаты достигнуты военными в прикладных направлениях: точное распознавание речи и тембра голоса, разнообразные "детекторы лжи", создание консультационных систем (снижение однотипных действий и нагрузки на пилотов в режиме реального полета), системы низкоуровневого анализа изображения, получаемого от видеокамеры, и т.д. Помимо этого, сегодня создано достаточно большое количество приборов с подобием ИИ, призванных усовершенствовать работу вооруженных сил: разнообразные интеллектуальные сонары и радары для обнаружения целей, спутниковая система позиционирования для точного координирования локализации войск и их передвижения, разнообразные системы навигации в судоходстве.
Выводы
Сегодня продолжается внедрение логики в прикладные области и программы. Программ глобального масштаба, способных хоть в какой-то мере соответствовать реальному человеку, вести процесс разумного мышления и общения, пока нет и в ближайшем времени не предвидится (слишком много существует преград и неразрешимых проблем). Сегодня компьютер выполняет только точные указания, которые ему даст человек. При написании любого приложения программист пользуется языком высокого уровня, затем программа-транслятор переводит это приложение на машинный язык директив, который и понимает процессор компьютера. Поэтому становится понятно, что сам по себе компьютер к мышлению неспособен в принципе, но высокоуровневые программы относительно интеллектуальны.
Делая вывод из всего сказанного, можно сказать, что высокоинтеллектуальное мышление — это свойство не ВЫСОКООРГАНИЗОВАННОЙ МАТЕРИИ, а свойство ВЫСОКООРГАНИЗОВАННОЙ ДУШИ. Животные и человек способны ставить и решать задачи. Компьютеры — устройства неодушевленные. Их сегодня очеловечивают программисты, а машины лишь следуют их указаниям. К сожалению, как бы ни была сложна по устройству современная программа, какие бы сложные алгоритмы ни были бы в нее заложены, в конечном итоге она не сможет сделать ничего помимо того, что не предусмотрено ее автором. Возможно, в будущем что-то и изменится, но не сегодня...
Ученые пытаются приоткрыть завесу отдаленного будущего. Возможно ли создание искусственного интеллекта? Можно ли создать такие человекоподобные системы, которые смогут мыслить абстрактными образами, будут самокопироваться, самообучаться, корректно реагировать на изменения окружающей среды, обладать чувствами, волей, желаниями? Можно ли создать соответствующие алгоритмы? Сможет ли человечество контролировать такие объекты? К сожалению, ответов на эти вопросы пока нет. Остается надеяться на то, что, если искусственный интеллект можно создать в принципе, то рано или поздно он будет создан.
Полезные ссылки по теме:
сайт
сайт
сайт
сайт
сайт
сайт
Goldman, goldman2@mail.ru
В целом понятие "искусственный интеллект" весьма расплывчато. Микрочипы не встроены сегодня разве что в лампочку, а изготовители всего и вся всерьез убеждают нас в существовании ИИ в их продукции. Если вкратце высказать общую мысль человечества по созданию ИИ, то это простое копирование человекоподобной линии поведения на искусственно созданном объекте для уменьшения затрат и времени человека. Для чего человеку ИИ? ИИ сможет частично или полностью заменить человека во многих специальностях и областях (космонавтика, рабочие специальности и т.д.). Кроме того, ИИ поможет человеку справиться с задачами, которые ему не под силу (сложные вычисления и анализ) и попросту расширит данный ему природой интеллект.
Для полного представления картины начнем с базовых понятий. Термин интеллект (intelligence) происходит от латинского понятия intellectus — ум, разум, рассудок. Искусственный интеллект (artificial intelligence — AI) понимается как способность автоматических систем брать на себя функции человека, выбирать и принимать оптимальные решения на основе ранее полученного жизненного опыта и анализа внешних воздействий. Любой интеллект опирается на деятельность. Деятельность мозга — это мышление. Интеллект и мышление связаны многими целями и задачами: распознавание ситуаций, логический анализ, планирование поведения. Характерными особенностями интеллекта являются способность к обучению, обобщению, накоплению опыта, адаптация к изменяющимся условиям в процессе решения задач. Исходя из самого определения ИИ вытекает основная проблема в создании интеллекта: возможность или невозможность моделирования мышления взрослого человека или ребенка. Если на этот вопрос будет дан отрицательный ответ, то сама идея ИИ теряет смысл в корне.
История развития искусственного интеллекта
Самыми первыми интеллектуальными задачами, в которых стал применяться ИИ (точнее, некое его подобие), стали логические игры (шашки, шахматы) и арифметические операции (решение уравнений, доказательство теорем), а также некоторые простые игрушки. Примером последних может быть электронная мышка, способная исследовать лабиринт и находить из него выход (в ее основе лежала простейшая релейная схема). Первые серьезные исследования относительно создания ИИ были предприняты практически сразу после появления первых ЭВМ. В 1954 году американцы А. Ньюэлл, Дж. Шоу, Г. Саймон и голландец А. Де Гроот совместно создали первый в истории человечества символьный язык программирования ИПЛ1 и в 1957 году написали на нем программу для игры в шахматы. В 1960 г. этой же группой была написана программа GPS (General Problem Slover) — универсальный решатель задач. Программа могла справиться с рядом головоломок, решением интегралов и некоторыми другими задачами. В 1962 году кибернетиком А. Самуэлем была создана программа для игры в шашки. Она была столь успешной, что смогла выиграть у сильнейшего шашиста США Р. Нили. В конце 60-х годов появились первые игровые программы, системы для элементарного анализа текста и решения математических задач. Уже тогда стала известна основная проблема ИИ: программа, которая играет в шахматы, никогда не будет играть в шашки или домино. Разработчики поняли и еще одно: всем написанным программам не достает самого важного — знаний в соответствующих областях. Эти вопросы исследователи стремились решить в следующем десятилетии. В 1974 году состоялся международный шахматный турнир электронных машин. Возгордитесь же! Победу в нем одержала советская машина с шахматной программой "Каисса". Позже программа с подобным ИИ победила всемирного гроссмейстера Г. Каспарова. Конфигурация компьютера была такова: 256 процессоров с 4 Гб дисковой памяти и 128 Мб ОЗУ каждый. К середине 70-х появляются первые интеллектуальные программы, использующие различные способы представления знаний для решения задач — экспертные системы. Одной из первых была экспертная система DENDRAL, предназначенная для составления формул химических соединений на основе спектрального анализа. В 1957 г. американец Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перцептрон. Перцептрон был способен работать в двух режимах: обучение и распознавание. В режиме обучения человек предъявлял объекты и объяснял машине, к какому классу каждый из них принадлежит (описание объекта). Затем в процессе распознавания машине предъявлялись новые объекты, и машина должна была их классифицировать правильно. Достаточно большой интерес с точки зрения ИИ представляет программа математика Хао Ванга, которая за 3 минуты работы на IBM-704 вывела 220 относительно простых лемм и теорем из фундаментальной математической монографии, а затем за 8,5 мин. выдала доказательство еще 130 более сложных теорем, часть которых к тому времени еще не была выведена математиками. Позже были созданы другие экспертные системы ИИ: MYCIN (предназначена для диагностики и лечения инфекционных заболеваний крови), PROSPECTOR (прогнозирует залежи полезных ископаемых), SIMER (система оценки качества воды), CASENET (диагностика и лечение глаукомы) и др.
Сегодня разработка систем ИИ продолжается еще более интенсивными темпами. Над этой проблемой работают крупнейшие мировые институты. ВМС США разрабатывают автоматические роботизированные системы Stryker и им подобные для автономного ведения боя; исследовательские лаборатории молекулярных биологов всего мира пользуются плодами сложных разработок ИИ — автоматическими методиками ПЦР (полимеразная цепная реакция для исследования ДНК), ИФА (иммуно-ферментный анализ для анализа белков), автомобилестроители — разработками ИИ для точной настройки двигателей и других частей автомобилей. Одним словом, история создания искусственного интеллекта продолжается...
Суть процесса искусственного мышления
Если быть максимально кратким, то суть процесса мышления заключается в следующем: по мере наращивания своего мировосприятия человек либо автоматическое устройство приобретает все большие возможности для воспроизводства собственных умозаключений. Эти умозаключения генерируются при решении задач для определения способа достижения поставленной цели. Для этого обычно необходимо выстроить логическую цепочку, начинающуюся на мировосприятии и заканчивающуюся на конкретной цели. Если задача обратна, то цепочку необходимо строить с цели. Сегодня существуют различные принципы построения систем искусственного интеллекта. Среди них — моделирование рассуждений на основе прецедентов (case-base reasoning — CBR), моделирование рассуждений с неопределенностью, рассуждения о действиях и изменениях и т.д. К примеру, в основе CBR — принципа построения ИИ — лежит выбор проблемы, поиск алгоритмов адаптации, поиск прошлого опыта, вывод, основанный на оценке сходства. После установки цели система должна рассмотреть множество случаев и вариантов решения проблемы, а затем выработать искомое решение. Методы построения CBR-интеллекта уже применяются для разработки товаров массового спроса, в медицине и смежных областях, в электронной коммерции и конструировании программ. В большинстве своем все работы по созданию ИИ весьма сложны и проводятся самыми развитыми институтами различных стран мира.
Суть реализации ИИ в теории и на практике
Суть реализации мышления до сих пор до конца не выяснена и остается тайной для науки. Однако наука часто путается сама с определением понятия мышления и путает нас. Как часто газетные и книжные публикации заверяют нас в том, что, раз компьютеры хранят и перерабатывают информацию, то, значит, они способны думать и мыслить. Увы, но люди, написавшие это, абсолютно не представляют себе всю сложность процесса мышления. Да, действительно объемы компьютерной информации реальны. Но эти объемы характеризуют не количество информации в сообщениях как таковой, а количество ячеек машинной памяти, которые они занимают. Сегодня компьютеры перерабатывают в большинстве своем не саму информацию, а всего лишь содержимое ячеек своей памяти (а их можно заполнить чем угодно). Таким образом, вывод напрашивается сам: компьютеры не "осмысливают" содержимое информации. В отличие от компьютеров, для людей характерны исключительно осмысленные понятия. Образно можно сказать, что у людей процесс мышления происходит в душе, в то время как для машин ее не существует.
Из каких компонентов обычно строится система искусственного интеллекта, да и любого интеллекта вообще? В первую очередь ИИ — это совокупность "железа" и программного обеспечения для него. В качестве первого обычно выступает компьютер определенной конфигурации и обслуживающие механизмы (манипуляторы, видеокамеры, звуковые и другие датчики). В большей степени на "интеллектуальность" машины в целом влияет именно программная начинка. Именно она определяет степень "продвинутости" данного ИИ.
В электронной начинке ИИ в первую очередь присутствует огромное количество памяти, на основе которой и строятся все рассуждения и выводы. Понятно, что все знания из различных областей в память ИИ заложить невозможно, но сделать интеллектуальную систему в определенной области познания вполне возможно. Обычно человек изначально закладывает в систему минимальные познания о мире. Далее эти познания расширяются в процессе накопления опыта и вложения его человеком (пассивный путь) либо самой системой (активный путь) в результате ее адаптации к условиям окружающей среды. Однако компьютерная память представляет собой лишь простую совокупность файлов и папок. Память человека устроена гораздо более сложно — она оперирует не файлами и их группами, не клочками информации. Человеческая память — это память образов. Человеческую память можно сравнить с летящей кометой: позади — длинный "хвост" жизненного опыта, который со временем автоматически забывается и затирается новым; сама комета — это слой реальной ежесекундной памяти; тонкий передний слой — это туманные соображения (предвидение) человеческого будущего. Как видим, память систем ИИ пока в корне отличается от человеческой. Во вторую очередь сам логический процесс просчета ситуации происходит в устройстве обработки информации. Чаще всего это определенное программное обеспечение + центральный процессор компьютера. От возможностей этого центра обработки информации напрямую зависит производительность и активность ИИ.
Самым главным отличием программного обеспечения настоящего искусственного интеллекта от простых приложений заключается возможность "мыслить" образами. С помощью образного мышления сегодня стали доступны такие технологии, как сжатие и кодирование информации, обработка биометрических образов, оптимизация гаммы цветопередачи, образный поиск, анализ смысла изображений, автоматическая каталогизация информации, алгоритмы распознавания и классификации образов. Для человека примерами образов могут быть небо, облака, музыка, море, стихи и т.д. Способность восприятия внешнего мира в форме образов позволяет людям узнавать бесконечно большое число объектов и понимать друг друга независимо от национальной принадлежности. Процесс восприятия объекта как образа для машины имеет некоторые особенности. Обычно перед выделением образа (например, графического) заранее считается известным лишь то, что требуется разделить общность точек некоторого пространства на две или более областей, и что после разделения все точки будут принадлежать этим двум (или более) областям. При этом заранее известно только расположение точек исходной области (их примерные координаты). Далее происходит сам процесс разделения точек на области (образы) по каким-либо критериям (для изображения это будет смена цветов и контрастов). Иногда требуется обработать изображение так, чтобы точки были более явными для разделения (например, перевести цветное изображение в черно-белое) — это сделает чувствительность разделения выше (так работает большинство программ для распознавания текста). Если система сможет самостоятельно классифицировать и отфильтровывать не только ранее известные объекты, но и неизвестные (не зная их свойств, по внешнему виду), то этот процесс будет называться самообучением. Сегодня системы ИИ могут различать только немногочисленные образы в небольших заданных пространствах.
Важной особенностью ИИ сегодня должно стать их обучение. Над этой проблемой работают сегодня многочисленные ученые во всем мире. Обучение обычно определяется как процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные внешние воздействия. Сегодня существуют прототипы оборудования, способные обучаться простейшим механическим операциям (обработка деталей на станке, копирование человеческой походки). Однако достижения в сфере обучения ИИ пока продвигаются довольно низкими темпами и не поспевают за развитием электроники.
Для решения той или иной задачи ИИ сегодня необходим алгоритм решения (впрочем, как и любому человеку). Алгоритм — это точное предписание о выполнении в определенном порядке операций для решения определенной задачи. Нахождение алгоритма для человека или машины связано с тонкими и сложными рассуждениями. Эти рассуждения часто требуют изобретательности и творческого подхода, поэтому машина постоянно нуждается во взаимодействии с человеком за неимением вышеуказанных качеств. Машине не свойственен "метод тыка" — она сегодня всего лишь ищет варианты решения проблемы из прописанных в базе данных. Важную роль в функционировании ИИ выполняют функции анализа информации и накопления жизненного опыта. Наблюдая за детьми, мы убеждаемся, что большую часть знаний они получают путем обучения и общения с окружающим миром, а не в качестве заложенных в них заранее. Изобретение эффективного механизма самоанализа и самостоятельного накопления жизненного опыта поставит ИИ на значительно более высокий уровень по сравнению с современным.
Сегодня интеллектуальные программы наподобие Copernic или системы распознавания образов установлены практически на каждом ПК. Проанализируем существующие системы ИИ на примерах программ распознавания графических образов и речи. Если говорить о восприятии и обработке речи, то программное обеспечение от Dragon Systems практически уже решило этот вопрос. Speech SDK от Microsoft также позволяет обеспечить приемлемое качество диктовки текста. Устойчивое распознавание слов и целых фраз достигается после нескольких часов тренировки и адаптации к манере произношения пользователя. При этом качество распознавания близко к 95% (сравнимо с качеством распознавания речи у человека). В основе принципа действия подобных программ лежит математическая модель преобразования акустических сигналов и графических изображений в числовые последовательности, каждой из которых соответствует определенное слово или графическая информация из программного словаря (к примеру, так работают программы Cuneiform, Fine Reader). Однако, в отличие от человека, данные программы всего лишь УЗНАЮТ слово или изображение, но не ОСМЫСЛИВАЮТ его. Это отличие является пока непреодолимой пропастью между интеллектом компьютера и человека и не позволяет создать действительно ДУМАЮЩИЙ искусственный интеллект.
Реальные возможности и достоинства искусственного интеллекта
В последнее время можно проследить постепенное превращение программной инженерии в интеллектуальную инженерию, рассматривающую более общие проблемы обработки информации и предоставления знаний. Для определения реальных возможностей развития ИИ рассмотрим перспективные подходы к организации систем ИИ, а заодно и вплотную подойдем к возможностям искусственного интеллекта сегодня.
Нейронные сети. Искусственные нейронные сети пришли к нам из биологии. Они образованы из элементов, возможности которых аналогичны большинству элементарных функций биологического нейрона — нервной клетки. Нейроны в сети выстраиваются в цепи, соединяются. Искусственные нейронные сети демонстрируют большое число свойств, присущих мозгу человека. Они обучаются на основе опыта, обобщают свой опыт, способны выделять главное из поступающей информации. Способность нейронной сети к обучению впервые была исследована Дж. Маккалоком и У. Питтом в опытах 1943 года на созданной ими модели нейрона. Авторы описали принципы построение нейронных сетей. Позже, в 1962 году, Ф. Розенблатт предложил свою модель нейронной сети — перцептрон, а в 1986 г. Дж. Хинтон и его коллеги опубликовали статью с описанием модели нейронной сети и алгоритмом ее обучения, что дало толчок к эффективному изучению нейронных сетей. Если рассматривать строение искусственной нейронной сети, то проще сделать это на примере биологической модели. Нейрон состоит из нескольких входов (дендритов) и одного выхода (аксон). В теле нейрона происходит взвешенное суммирование возбуждения на входах (дендритах), обработка и изменение уровня сигнала на выходе (аксоне) в зависимости от результата обработки поступивших сигналов. Будучи соединенными определенным образом, нейроны образуют нейронную сеть. Для моделей, построенных по типу нейронных сетей человеческого мозга, характерно легкое распараллеливание алгоритмов и высокая производительность. С человеческим мозгом их сближает также еще одно очень важное свойство, напрочь отсутствующее у простых электронных машин: нейронные сети работают даже при условии неполной информации об окружающей среде, т.е., как и человек, они могут отвечать не только "да" или "нет", но и "не знаю точно, но скорее да". Наиболее яркий пример применения сетей — проект Smart Sensor Web военного научного агентства DARPA. Он представляет собой сеть разнообразных датчиков, работающих совместно на поле боя. Каждый объект — источник данных: визуальных, цифровых, электромагнитных, химических, инфракрасных. При использовании данной нейронной сети возможно распознавание целей, анализ и предсказание сбоев техники. Сейчас продолжается совершенствование методов синхронной работы нейронных сетей на параллельных устройствах. Нейронным сетям сегодня под силу распознавание сигналов, речи, изображений, поиск данных, финансовое прогнозирование, шифрование данных. Нейросетевой подход используется в большом количестве задач — для кластеризации информации из Интернета, для имитации и моделирования сложно устроенного человеческого мозга, для распознавания образов и др. К достоинствам нейронных сетей можно отнести самонастраиваемость, гибкость конфигурирования, достаточно высокую эффективность, самообучаемость. Коль уж заговорили об Интернете, то специалисты считают, что в будущем именно он будет определять уклад и занятия отдыхающего человека (цифровое телевидение, универсальная библиотека, игры и т.д.) и, вероятно, в конце концов станет бесплатным (либо условно платным). Сегодня системы ИИ активно используются и в Интернете: это поисковые машины, обладающие примитивными признаками интеллекта и способные в считанные секунды находить и предоставлять информацию (rambler.ru и др.); разнообразные интеллектуальные датчики, призванные посредством сети предупредить об ограблении или пожаре, и т.д. Среди наиболее известных сегодня нейронных сетей выделяют сети Хопфилда, нейронные сети с обратным распространением ошибки и стохастические нейронные сети.
В связи с тем, что в последнее время эффективность обработки информации требует высоких тактовых частот процессоров (а они, как известно, пока уперлись в свой реальный частотный потолок около 4 ГГц), все чаще для повышения эффективности обработки используется многоядерность. Распространение сетей и создание высокопроизводительных кластеров все чаще вызывает интерес к вопросам распределения вычислений: оптимальная загрузка процессоров, гибкое самоконфигурирование, балансировка ресурсов, максимальный самоконтроль. Как тут обойтись без искусственного интеллекта? В свете последних событий в голову приходит мысль о принципиально новых процессорах СЕLL, построенных по принципу многоядерности и обладающих колоссальной производительностью. Возможно, они способны будут в будущем заменить многие серверные сети на современных процессорах. Робототехника. У каждого человека есть стремление максимально облегчить свой труд. Робототехника — это весьма перспективное на сегодня развитие формы ИИ. Поскольку работу мышц можно заменить только работой других приспособлений, человек не преминул этим воспользоваться — на многих заводах вместо людей сегодня трудятся роботы. Первых роботов трудно было назвать интеллектуалами. Только в конце 60-х годов были сконструированы роботы, управлявшиеся компьютерами. К примеру, в результате разработки проекта "Промышленный интеллектуальный робот" в Японии в 1969 году был собран робот с элементами ИИ для выполнения сборочно-монтажных работ с визуальным контролем. Манипулятор робота имел 6 степеней свободы и был оснащен тактильными датчиками. Зрение робота было организовано посредством двух видеокамер, снабженных светофильтрами для распознавания цвета предметов. Робот был способен грубо определять область, занимаемую интересующим предметом, и грубо распознавать простые предметы. Постепенно характеристики роботов значительно улучшились, и сегодня точности их работы позавидует любой человек (достаточно вспомнить лазерные роботизированные механизмы для изготовления микросхем или процессоров). Фирмой Epson изобретены даже летающие прототипы роботов. Сегодня в США планируется к 2005 году перевести довольно большую часть вооруженных сил на роботизированную основу. Внимание общественности привлекают ежегодные соревнования роботов-машин, передвигающихся по пересеченной местности, пользуясь при этом только картой. Эти сложно организованные механизмы способны самостоятельно принимать решения по координации передвижения и имеют для этого в составе примитивный ИИ с датчиками наклона автомобиля, радиомаяком, компасом, дальномером, инфракрасными и другими датчиками мониторинга движения. В США последнее время ведутся разработки по машинному обучению, навигации роботов, логическому планированию их действий и т.д.
Экспертные системы. Сегодня общество интересуют системы принятия решений в реальном времени, средства хранения, извлечения, анализа и моделирования знаний, системы динамического планирования. Среди них уже сегодня имеются конкретные результаты:
DENDRAL — высокоинтеллектуальная система распознавания химических структур. Это старейшая из экспертных программ. Первые версии данной системы появились еще в 1965 году. Пользователь задает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры. MICIN — экспертная система медицинской диагностики. Она разработана группой по инфекционным заболеваниям Стенфордского университета. Программа ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций.
PUFF — система анализа нарушения дыхания человека. Она представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.
PROSPECTOR — система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
Машинное обучение и самообучение. Этому вопросу уделяется сегодня огромное, если не главное, внимание в сфере искусственного интеллекта. Существует множество алгоритмов машинного обучения. Один из самых распространенных — алгоритмы класса С4. Эти алгоритмы позволяют выстраивать сложное древо решений и анализировать его. С каждой ветвью древа ассоциируется определенный класс примеров решения проблемы. В процессе решения классы могут разбиваться на подклассы. Завершение работы алгоритма — принятие того или иного решения, удовлетворяющего потребностям задачи. Недостаток такого алгоритма — ограниченность примеров решения проблемы.
Интеллектуальный анализ данных и обработка статистической информации. Сравнительно новое направление применения ИИ. Сюда относят процесс обнаружения ИИ закономерностей в исходной информации, выделение этих закономерностей, построение определенной модели для анализа информации, а затем прогнозирование результатов исследования на будущее и представление в виде графической информации. Это весьма перспективное направление ИИ уже реально применяется на различных биржах и в маркетинговой деятельности.
Системы автоматического планирования поведения. Таковые реально применяются сегодня на космических кораблях при освоении космоса и в батискафах для изучения глубин морского дна. Одним словом, это та область применения ИИ, где не допускается присутствие человека в принципе либо его вмешательство должно быть незначительным. Современные системы планирования поведения — это устройства с высокой степенью автономности и детальным целенаправленным поведением.
Агентные системы — очень молодое направление ИИ. Под таковыми понимают специальные программы-агенты, нацеленные на исследование коллективной аудитории и обладающие автономностью (абсолютно самостоятельная программа), социальностью (способна общаться с человеком), реактивностью (способна воспринимать окружающую среду, адекватно реагировать на ее изменения) и активностью (агенты могут характеризоваться целенаправленность поведения и проявлять инициативу). Подобные программы представляют огромный интерес для коммерческой и промышленной деятельности (маркетинг, телевидение, реклама), в военном деле (системы управления войсками), в системах управления транспортом и электронными сетями, где уже успешно применяются.
Самоорганизующиеся СУБД. Эти базы данных способны гибко подстраиваться под профиль конкретной задачи и практически не требуют вмешательства извне.
Автоматический анализ языков. Сюда относят поиск по словарям, распознавание языков, перевод, выявление незнакомых слов, лексику, грамматику и т.д.
Медицинские системы для выполнения точных операций и консультирования врачей в сложных ситуациях; роботы-манипуляторы для проведения операций повышенной точности (например, на сетчатке глаза).
Создание полностью автоматизированных заводов с заменой людей (особенно работа в условиях повышенной опасности). Таковые прототипы уже давно имеются. Большинство поточных линий на современных заводах микроэлектронной и других промышленностей нуждаются всего лишь в нескольких операторах-настройщиках, а всю работу по сборке и упаковке продукции выполняют роботы.
Одна из интереснейших и полезных сторон применения ИИ — разработка игр, развлекательных программ и систем искусственного общения с человеком. Большую долю здесь занимает моделирование социального поведения, общения, человеческих эмоций, творчества. Это одно из сложнейших направлений разработки ИИ и в то же время — одно из самых перспективных.
Современные системы искусственного интеллекта способны освоить гораздо больше специальностей, чем простой человек, благодаря значительно большему числу разнообразных датчиков информации и приспособлений. Эти воспринимающие датчики были созданы по типу строения органов чувств человека. К примеру, система зрения человека организована следующим образом: глаз (оптико-воспринимающая часть системы) -> нервные передающие волокна -> воспринимающие и анализирующие участки головного мозга (зрительные бугры мозга и участки коры полушарий). Теперь сравните эту систему со зрительной системой роботов: камера (система линз + фоточувствительная матрица) -> провода, передающие сигнал -> контроллер материнской платы с софтом для декодирования и анализа зрительной информации. Сравните эти две схемы. Нашли разницу? По сути, ее почти нет, наблюдается практически стопроцентное сходство. Разница только в том, что системы ИИ сегодня, в отличие от человека, могут воспринимать инфракрасный свет, ультрафиолет, видеть в полной темноте, слышать во всем диапазоне звуковых волн, производить передвижения с очень высокой точностью (до микрона), чувствуют изменения электромагнитого поля, магнитного поля земли, давления, напряжения электричества, никогда не засыпают и не чувствуют усталости. Разработки ИИ применяется сегодня в качестве автономных секретарей, поисковых машин (google.ru в Интернете), планировщиков работ, профессиональных учителей, продавцов. Также предполагается использование в дальнейшем систем ИИ во всевозможных бытовых приборах: уборщиках помещений; агрегатах для приготовления, доставки и заказа пищи; автоматических водителях автомобилей и т.д.
Однако не следует думать, что ЭВМ или роботы смогут решать любые задачи. Учеными доказано существование таких типов задач, для решения которых невозможен единый эффективный алгоритм (к примеру, сложные жизненные ситуации). Человек часто методом "научного тыка" расширяет для себя зону познания о природе, открывает новые законы. Компьютерному искусственному интеллекту это абсолютно несвойственно. В связи с этим поговорим о недостатках современных систем искусственного интеллекта.
Недостатки и проблемы современного искусственного интеллекта
Сегодня мы имеем возможность наблюдать постоянный рост вычислительной мощности компьютеров. Означает ли это появление у них ИИ? Отнюдь! К сожалению, даже принципы работы человеческой психики сегодня остаются неясными. А поскольку ИИ изначально задумывался как прообраз человека, то создание его сопряжено с неизвестностью. Однако рост производительности ПК в сочетании с повышением качества алгоритмов обработки делает возможным применение различных научных методов на практике в различных сторонах жизни человечества. Рассмотрим основные проблемы, связанные с разработкой ИИ на практике.
Большинство современных разработок ИИ используют несколько типов понятий: да (хорошо) и нет (плохо). В математике и электронике это нормально, но в жизни точные понятия пригождаются редко. Поскольку изначально ИИ задумывается как человекоподобный интеллект, служащий дополнением человеку, то угодить этому самому человеку будет очень нелегко. Как, к примеру, машине понять депрессивное состояние или эйфорию человека? Понятия "веселый" и "грустный" для машины здесь никак не подходят.
Проблемы в разработке ИИ прослеживаются и на уровне формирования образов и образной памяти. Поскольку образы в мышлении человека взаимопроникают друг в друга, то формирование образных цепочек у людей не представляет сложности — оно ассоциативно. Файлы же, в противоположность образам, есть обособленные пакеты машинной памяти. В памяти человека поиск данных ведется не по самому содержимому памяти, а вдоль готовых цепочек ассоциативных связок. Компьютер же ищет только конкретные файлы и папки. Пример: для человека не проблема узнать лицо друга на фотографии, даже если он похудеет или поправится, т.к. это яркий пример ассоциативной памяти. Для машины это практически невозможно. Она не сможет отличить главное от второстепенного.
Для получения результата ИИ использует только определенную базу известных данных. Ему несвойственен эксперимент.
Проблема перевода с одного языка на другой, а также обучения машины языку. Если вы предложите современным программам-переводчикам (например, Promt) перевести любой абзац из книги на другой язык, то поймете, что качеством здесь и не пахнет. В результате вы получите простой набор слов. Почему? Потому, что для перевода целых предложений необходимо понимать смысл предложения, а не просто переводить слова. Современные ИИ-программы смысл в тексте выделять пока не могут (вероятно, потому, что посредником для перевода, скажем, с французского на русский, является бездушный машинный язык — язык единиц и нолей).
Простота математических расчетов. В последнее время многими ведущими специалистами в области ИИ внесено предложение по исключению из списка высокоинтеллектуальных задач простого алгебраического решения уравнений, т.к. для этого сегодня имеются стандартные последовательные алгоритмы расчета. Это не требует сложных, многоэтапных и часто непоследовательных интеллектуальных способностей. Распознавание текста, игра в шахматы, напротив, требуют разбиения процесса на части и поиска решения из многочисленных возможных вариантов. Более того: даже распознавание текста, игра в шахматы и шашки, распознавание звуков на сегодня успешно применяются на практике, и их не принято возводить в ранг проблем ИИ. Современные разработки, связанные с искусственным интеллектом, неспособны к самокопированию (размножению). Это действительно так. На современном этапе развития кибернетики и электроники абсолютно самостоятельное самокопирование роботов невозможно, необходимо хотя бы частичное (часто значительное) вмешательство человека. Однако для программ этот процесс абсолютно прост — что стоит утилите самостоятельно копироваться в другую директорию? Ярким примером может стать "болезнь" современного Интернета — компьютерные и мобильные вирусы. Они способны к бесконтрольному размножению и значительно портят нам жизнь.
Еще одна проблема на пути к созданию ИИ — отсутствие у оного всякого проявления воли. Как это ни странно звучит, но у современных ПК есть колоссальные возможности к сложным расчетам, но абсолютно отсутствуют какие-либо желания. Даже если вы снабдите свой ПК микрофоном и акустикой, это абсолютно не значит, что он начнет самостоятельно писать музыку или самопроизвольно запускать какие-либо приложения. Он не ленивый — просто у него нет желаний. Компьютеру все равно, кто с ним работает, зачем и с какой целью.
У современных прототипов ИИ отсутствуют стимулы к дальнейшему совершенствованию. Дело в том, что в природе на любой живой организм действует фактор естественного отбора, порождающий постоянное приспособление к условиям окружающей среды. Голод, стремление выжить и дать потомство — вот факторы, постоянно действующие на живой огранизм. Они действуют как стимул к дальнейшему совершенствованию. Мотивация большинства современных ИИ весьма примитивна: человек задал задачу — машина ее выполняет без вариантов и эмоций. Теоретически на мотивацию и совершенствование может повлиять введение обратных связей компьютер -> человек и создание улучшенной системы самообучаемости машины. Правда, это только теория — на практике же все оказывается намного сложнее. Однако подобная работа уже проводится. В качестве стимула выбрано элементарное чувство голода — предвестник скорого окончания энергетических ресурсов и, соответственно, существования машины. Американец С. Вилкинсон создал "гастроробота" по имени "Жуй-жуй". Машина питается сахаром, и основой ее поведения является исследование окружающего мира в поисках съестного. Тело "Жуй-жуя" состоит из трех тележек, а чувство голода является его постоянным спутником, поскольку аккумуляторы постоянно требуют перезарядки. Проблемой являются частые ошибки этого "зверя" в выборе продуктов питания.
Некоторая примитивность искусственных нейронных сетей. Искусственные нейронные сети демонстрируют сегодня удивительные преимущества, присущие человеческому мозгу. Они обучаются на основе личного опыта, обобщают происходящее, самоконфигурируются, извлекают главное из поступающей информации с лишними данными. Однако даже самые развитые искусственные сети не могут дублировать функции человеческого мозга. Реальный интеллект, демонстрируемый сегодня самыми сложно устроенными нейронными сетями, находится ниже уровня развития интеллекта дождевого червя. Неэффективность искусственного интеллекта в военных целях. В последнее время в СМИ довольно часто появляются новости о создании ИИ в военных целях. Однако в реальности перед создателями подобных машин-роботов стоят очень сложные и часто неразрешимые задачи. Прежде всего это недостатки систем автоматического распознавания, неспособных самообучаться и адекватно анализировать информацию в режиме реального времени (принимать нужные решения в нужную минуту). Такой боевой машине очень тяжело, а скорее всего — практически невозможно, будет отличить на поле боя своих от чужих (весьма забавная ситуация, не правда ли:)). Также пока не разработано алгоритмов работы подобных устройств в условиях незнакомой местности и резко изменяющейся ситуации. Подобные боевые единицы способны сегодня максимум к простому дистанционному управлению. Более выдающиеся результаты достигнуты военными в прикладных направлениях: точное распознавание речи и тембра голоса, разнообразные "детекторы лжи", создание консультационных систем (снижение однотипных действий и нагрузки на пилотов в режиме реального полета), системы низкоуровневого анализа изображения, получаемого от видеокамеры, и т.д. Помимо этого, сегодня создано достаточно большое количество приборов с подобием ИИ, призванных усовершенствовать работу вооруженных сил: разнообразные интеллектуальные сонары и радары для обнаружения целей, спутниковая система позиционирования для точного координирования локализации войск и их передвижения, разнообразные системы навигации в судоходстве.
Выводы
Сегодня продолжается внедрение логики в прикладные области и программы. Программ глобального масштаба, способных хоть в какой-то мере соответствовать реальному человеку, вести процесс разумного мышления и общения, пока нет и в ближайшем времени не предвидится (слишком много существует преград и неразрешимых проблем). Сегодня компьютер выполняет только точные указания, которые ему даст человек. При написании любого приложения программист пользуется языком высокого уровня, затем программа-транслятор переводит это приложение на машинный язык директив, который и понимает процессор компьютера. Поэтому становится понятно, что сам по себе компьютер к мышлению неспособен в принципе, но высокоуровневые программы относительно интеллектуальны.
Делая вывод из всего сказанного, можно сказать, что высокоинтеллектуальное мышление — это свойство не ВЫСОКООРГАНИЗОВАННОЙ МАТЕРИИ, а свойство ВЫСОКООРГАНИЗОВАННОЙ ДУШИ. Животные и человек способны ставить и решать задачи. Компьютеры — устройства неодушевленные. Их сегодня очеловечивают программисты, а машины лишь следуют их указаниям. К сожалению, как бы ни была сложна по устройству современная программа, какие бы сложные алгоритмы ни были бы в нее заложены, в конечном итоге она не сможет сделать ничего помимо того, что не предусмотрено ее автором. Возможно, в будущем что-то и изменится, но не сегодня...
Ученые пытаются приоткрыть завесу отдаленного будущего. Возможно ли создание искусственного интеллекта? Можно ли создать такие человекоподобные системы, которые смогут мыслить абстрактными образами, будут самокопироваться, самообучаться, корректно реагировать на изменения окружающей среды, обладать чувствами, волей, желаниями? Можно ли создать соответствующие алгоритмы? Сможет ли человечество контролировать такие объекты? К сожалению, ответов на эти вопросы пока нет. Остается надеяться на то, что, если искусственный интеллект можно создать в принципе, то рано или поздно он будет создан.
Полезные ссылки по теме:
сайт
сайт
сайт
сайт
сайт
сайт
Goldman, goldman2@mail.ru
Компьютерная газета. Статья была опубликована в номере 20 за 2005 год в рубрике hard :: технологии
