Искусственный интеллект

Искусственный интеллект [англ. Artificial intelligence (AI)] - раздел информатики, изучающий возможность обеспечения разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств.
При этом в большинстве случаев заранее неизвестен алгоритм решения задачи.
Первые исследования, относимые к искусственному интеллекту были предприняты почти сразу же после появления первых вычислительных машин.
В 1910-13 гг. Бертран Рассел и Alfred North Whitehead опубликовали работу "Принципы математики", которая произвела революцию в формальной логике. В 1931 г. Курт Гедель показал, что достаточно сложная формальная система содержит утверждения, которые тем не менее нельзя ни доказать ни опровергнуть в рамках этой системы. Таким образом система ИИ, которая устанавливает истинность всех утверждений, выводя их из аксиом, не может доказать эти утверждения. Так как люди могут "увидеть" истинность таких утверждений, ИИ стал рассматриваться как нечто второстепенное. В 1941 г. Конрад Цузе построил первый работающий программно-контроллируемый компьютер. Уоррен Маккалок и Walter Pitts в 1943 г. опубликовали A Logical Calculus of the Ideas Immanent in Nervous Activity, который заложил основы нейронных сетей.
В 1954 г. американский исследователь А.Ньюэлл (A.Newel) решил написать программу для игры в шахматы. Этой идеей он поделился с аналитиками корпорации "РЭНД" (RAND Corporation, www.rand.org) Дж. Шоу (J.Show) и Г.Саймоном (H.Simon), которые предложили Ньюэллу свою помощь. В качестве теоретической основы такой программы было решено использовать метод, предложенный в 1950 г. Клодом Шенноном (C.E. Shannon), основателем теории информации. Точная формализация этого метода была выполнена Аланом Тьюрингом (Alan Turing). Он же промоделировал его вручную. К работе была привлечена группа голландских психологов под руководством А. Де Гроота (A. de Groot), изучавших стили игры выдающихся шахматистов. Через два года совместной работы этим коллективом был создан язык программирования ИПЛ1 - по-видимому первый символьный язык обработки списков. Вскоре была написана и первая программа, которую можно отнести к достижениям в области искусственного интеллекта. Эта была программа "Логик-Теоретик" (1956), предназначенная для автоматического доказательства теорем в исчислении высказываний.
Собственно же программа для игры в шахматы, NSS, была завершена в 1957 г. В основе ее работы лежали так называемые эвристики (правила, которые позволяют сделать выбор при отсутствии точных теоретических оснований) и описания целей. Управляющий алгоритм пытался уменьшить различия между оценками текущей ситуации и оценками цели или одной из подцелей.
В 1960 г. той же группой, на основе принципов, использованных в NSS, была написана программа, которую ее создатели назвали GPS (General Problem Solver)- универсальный решатель задач. GPS могла справляться с рядом головоломок, вычислять неопределенные интегралы, решать некоторые другие задачи. Эти результаты привлекли внимание специалистов в области вычислений. Появились программы автоматического доказательства теорем из планиметрии и решения алгебраических задач (сформулированных на английском языке).
Джона Маккарти (J.McCarty) из Стэнфорда заинтересовали математические основы этих результатов и вообще символьных вычислений. В результате в 1963 г. им был разработан язык ЛИСП (LISP, от List Processing), основу которого составило использование единого спискового представления для программ и данных, применение выражений для определения функций, скобочный синтаксис.
К исследованиям в области искусственного интеллекта стали проявлять интерес и логики. В том же 1964 г. была опубликована работа ленинградского логика Сергея Маслова "Обратный метод установления выводимости в классическом исчислении предикатов", в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.
На год позже (в 1965 г.) в США появляется работа Дж.А.Робинсона (J.A.Pobinson) , посвященная несколько иному методу автоматического поиска доказательства теорем в исчислении предикатов первого порядка. Этот метод был назван методом резолюций и послужил отправной точкой для создания нового языка программирования со встроенной процедурой логического вывода - языка Пролог (PROLOG) в 1971 г.
В 1966 году в СССР Валентином Турчиным был разработан язык рекурсивных функций Рефал, предназначенный для описания языков и разных видов их обработки. Хотя он и был задуман как алгоритмический метаязык, но для пользователя это был, подобно ЛИСПу и Прологу, язык обработки символьной информации.
В конце 60-х гг. появились первые игровые программы, системы для элементарного анализа текста и решения некоторых математических задач (геометрии, интегрального исчисления). В возникавших при этом сложных переборных проблемах количество перебираемых вариантов резко снижалось применением всевозможных эвристик и "здравого смысла". Такой подход стали называть эвристическим программированием. Дальнейшее развитие эвристического программирования шло по пути усложнения алгоритмов и улучшения эвристик. Однако вскоре стало ясно, что существует некоторый предел, за которым никакие улучшения эвристик и усложнения алгоритма не повысят качества работы системы и, главное, не расширят ее возможностей. Программа, которая играет в шахматы, никогда не будет играть в шашки или карточные игры.
Постепенно исследователи стали понимать, что всем ранее созданным программам недостает самого важного - знаний в соответствующей области. Специалисты, решая задачи, достигают высоких результатов, благодаря своим знаниям и опыту; если программы будут обращаться к знаниям и применять их, то они тоже достигнут высокого качества работы.
Это понимание, возникшее в начале 70-х годов, по существу, означало качественный скачок в работах по искусственному интеллекту.
Основополагающие соображения на этот счет высказал в 1977 г. на 5-й Объединенной конференции по искусственному интеллекту американский ученый Э.Фейгенбаум (E.Feigenbaum).
Уже к середине 70-х гг. появляются первые прикладные интеллектуальные системы, использующие различные способы представления знаний для решения задач - экспертные системы. Одной из первых была экспертная система DENDRAL, разработанная в Станфордском университете и предназначенная для порождения формул химических соединений на основе спектрального анализа. В настоящее время DENDRAL поставляется покупателям вместе со спектрометром. Система MYCIN предназначена для диагностики и лечения инфекционных заболеваний крови. Система PROSPECTOR прогнозирует залежи полезных ископаемых. Имеются сведения о том, что с ее помощью были открыты залежи молибдена, ценность которых превосходит 100 миллионов долларов. Система оценки качества воды, реализованная на основе российской технологии SIMER + MIR несколько лет назад причины превышения предельно допустимых концентрациий загрязняющих веществ в Москве-реке в районе Серебрянного Бора. Система CASNET предназначена для диагностики и выбора стратегии лечения глаукомы и т.д.
В настоящее время разработка и реализация экспертных систем выделилась в самостоятельную инженерную область. Научные же исследования сосредоточены в ряде направлений, некоторые из которых перечислены ниже.
Теорией явно не определено, что именно считать необходимыми и достаточными условиями достижения интеллектуальности. Хотя на этот счёт существует ряд гипотез, например, гипотеза Ньюэлла-Саймона. Обычно к реализации интеллектуальных систем подходят именно с точки зрения моделирования человеческой интеллектуальности. Таким образом, в рамках искусственного интеллекта различают два основных направления:
■ символьное (семиотическое, нисходящее) основано на моделировании высокоуровневых процессов мышления человека, на представлении и использовании знаний;
■ нейрокибернетическое (нейросетевое, восходящее) основано на моделировании отдельных низкоуровневых структур мозга (нейронов).
Таким образом, сверхзадачей искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его.
Наиболее часто используемые при построении систем искусственного интеллекта парадигмы программирования - функциональное программирование и логическое программирование. От традиционных структурного и объектно-ориентированного подходов к разработке программной логики они отличаются нелинейным выводом решений и низкоуровневыми средствами поддержки анализа и синтеза структур данных.
Можно выделить две научные школы с разными подходами к проблеме ИИ: Конвенционный ИИ и Вычислительный ИИ.
В конвенционном ИИ главным образом используются методы машинного самообучения, основанные на формализме и статистическом анализе.
Методы конвенционного ИИ:
■ Экспертные системы:программы, которые, действуя по определенным правилам, обрабатывают большое количество информации, и в результате выдают заключение на её основе.
■ Рассуждение на основе аналогичных случаев (Case-based reasoning).
■ Байесовские сети -это статистический метод обнаружения закономерностей в данных. Для этого используется первичная информация, содержащаяся либо в сетевых структурах либо в базах данных
■ Поведенческий подход: модульный метод построения систем ИИ, при котором система разбивается на несколько сравнительно автономных программ поведения, которые запускаются в зависимости от изменений внешней среды.
Вычислительный ИИ подразумевает итеративную разработку и обучение (например, подбор параметров в сети связности). Обучение основано на эмпирических данных и ассоциируется с не-символьным ИИ и мягкими вычислениями.
Основные методы вычислительного ИИ:
■ Нейронные сети: системы с отличными способностями к распознаванию.
■ Нечёткие системы: методики для рассуждений в условиях неопределенности (широко используются в современных промышленных и потребительских системах контроля)
■ Эволюционные вычисления:здесь применяются понятия традиционно относящиеся к биологии такие как популяция, мутация и естественный отбор для создания лучших решений задачи. Эти методы делятся на эволюционные алгоритмы (например, генетические алгоритмы) и методы роевого интеллекта (например, муравьиный алгоритм).
В рамках гибридных интеллектуальных систем пытаются объединить два этих направления. Экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения.
Перспективные направления искусственного интеллекта.
Методы CBR (моделирование рассуждений на основе прецедентов) уже применяются в множестве прикладных задач - в медицине, управлении проектами, для анализа и реорганизации среды, для разработки товаров массового спроса с учетом предпочтений разных групп потребителей, и т.д. Следует ожидать приложений методов CBR для задач интеллектуального поиска информации, электронной коммерции (предложение товаров, создание виртуальных торговых агентств), планирования поведения в динамических средах, компоновки, конструирования, синтеза программ.
Кроме того, следует ожидать всё большего влияния идей и методов (ИИ) на машинный анализ текстов (АТ) на естественном языке. Это влияние, скорее всего, коснется семантического анализа и связанных с ним методов синтаксического анализа - в этой области оно проявится в учете модели мира на заключительных стадиях семантического анализа и использовании знаний о предметной области и ситуативной информации для уменьшения переборов на более ранних стадиях (например, при построении деревьев синтаксического разбора).
Второй "канал связи" ИИ и АТ - использование методов машинного обучения в АТ; третий "канал" - использование рассуждений на основе прецедентов и рассуждений на основе аргументации для решения некоторых задач АТ, например задач уменьшения шума и повышения степени релевантности поиска.
К одному из наиболее важных и перспективных направлений в искусственном интеллекте следует сегодня отнести задачи автоматического планирования поведения. Область применения методов автоматического планирования - самые различные устройства с высокой степенью автономности и целенаправленным поведением, от бытовой техники до беспилотных космических кораблей для исследования глубокого космоса.

Используемые источники
1. Стюарт Рассел, Питер Норвиг "Искусственный интеллект: современный подход(AIMA)", 2-е издание: Пер. с англ. - М.:Издательский дом "Вильямс", 2005.-1424 стр. с ил.
2. Джордж Ф. Люгер "Искусственный интеллект: стратегии и методы решения", 4-е издание: Пер. с англ. - М.: Издательский дом "Вильямс", 2004.
3. Геннадий Осипов, президент Российской ассоциации искусственного интеллекта, постоянный член Европейского координационного комитета по искусственному интеллекту (ECCAI), д.ф.-м.н., профессор "Искусственный интеллект: состояние исследований и взгляд в будущее".

Искусственный интеллект

Искусственный интеллект (ИИ, от англ. Artificial intelligence, AI) - наука и технология создания интеллектуальных машин, особенноинтеллектуальных компьютерных программ.

ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

ИИ это научное направление, разрабатывающее методы, позволяющие электронно-вычислительной машине решать интеллектуальные задачи, если они решаются человеком. Понятием "искусственный интеллект" обозначают функциональные возможности машины решать человеческие задачи. Искусственный интеллект направлен на повышение эффективности различных форм умственного труда человека.

Наиболее распространенная форма искусственного интеллекта - это компьютер, запрограммированный на ответы по какой-то определенной теме. Такие "экспертные системы" обладают человеческой способностью выполнять аналитическую работу эксперта. Аналогичный текстовый процессор может выявлять орфографические ошибки, их можно "обучать" новым словам. К этой научной дисциплине тесно примыкает другая, предмет которой иногда называют "искусственная жизнь". Она занимается интеллектом более низкого уровня. Например, робота можно запрограммировать на ориентирование в тумане, т.е. придать ему способность физического взаимодействия с окружающей средой.

Термин "искусственный интеллект" впервые был предложен на семинаре с аналогичным названием в Дартсмутском колледже в США в 1956 г. В дальнейшем различными учеными были даны следующие определения искусственного интеллекта:

ИИ - ветвь информатики, которая связана с автоматизацией интеллектуального поведения;

ИИ - это наука о вычислениях, которые делают возможными восприятие, логический вывод и действие;

ИИ - это информационная технология, связанная с процессами логического вывода, обучения и восприятия.

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

Основной проблемой искусственного интеллекта является разработка методов представления и обработки знаний.

К программам искусственного интеллекта относятся:

Игровые программы (стохастические, компьютерные игры);

Естественно-языковые программы - машинный перевод, генерация текстов, обработка речи;

Распознающие программы - распознавание почерков, изображений, карт;

Программы создания и анализа графики, живописи, музыкальных произведений.

Выделяются следующие направления искусственного интеллекта:

Экспертные системы;

Нейронные сети;

Естественно-языковые системы;

Эволюционные методы и генетические алгоритмы;

Нечеткие множества;

Системы извлечения знаний.

Экспертные системы ориентированы на решение конкретных задач.

Нейронные сети реализуют нейросетевые алгоритмы.

Делятся на:

Сети общего назначения, которые поддерживают около 30 нейросетевых алгоритмов и настраиваются на решение конкретных задач;

Объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,

Гибридные - используюемые вместе с определенным программным обеспечением (Excel, Access, Lotus).

Естественно-языковые (ЕЯ) системы делятся на:

Программные продукты естественного языкового интерфейса в БД (представление естественно-языковых запросов в SQL-запросы);

Естественно-языковой поиск в текстах, содержательное сканирование текстов (используется в поисковых системах Internet, например, Google);

Масштабируемые средства распознания речи (портативные синхронные переводчики);

Компоненты речевой обработки, как сервисные средства программного обеспечения (ОС Windows XP).

Нечёткие множества - реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений.

Генетические алгоритмы - это методы анализа данных, которые невозможно проанализировать стандартными методами. Как правило, используются для обработки больших объёмов информации, построения прогнозных моделей. Используются в научных целях при имитационном моделировании.

Системы извлечения знаний - используются для обработки данных из информационных хранилищ.

Некоторые из самых известных ИИ-систем:

Deep Blue - победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым. Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.

Watson - перспективная разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск, с применением большого количества алгоритмов. Для демонстрации работы Watson принял участие в американской игре "Jeopardy!", аналога "Своей игры" в России, где системе удалось выиграть в обеих играх.

MYCIN - одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора.

20Q - проект, основанный на идеях ИИ, по мотивам классической игры "20 вопросов". Стал очень популярен после появления в Интернете на сайте 20q.net.

Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.

Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме футбола.

Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие "Игровой искусственный интеллект". Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

Наиболее крупные научные и исследовательские центры в области искусственного интеллекта:

Соединённые Штаты Америки (Массачусетский технологический институт);

Германия (Немецкий исследовательский центр по искусственному интеллекту);

Япония (Национальный институт современной промышленной науки и технологии (AIST));

Россия (Научный совет по методологии искусственного интеллекта Российской академии наук).

Сегодня за счет достижений в области искусственного интеллекта создано большое количество научных разработок, которое существенно упрощает жизнь людей. Распознавание речи или отсканированного текста, решение вычислительно сложных задач за короткое время и многое другое - все это стало доступно благодаря развитию искусственного интеллекта.

Замена человека-специалиста на системы искусственного интеллекта, в частности на экспертные системы, разумеется, там, где это допустимо, позволяет существенно ускорить и удешевить процесс производства. Системы искусственного интеллекта всегда объективны и результаты их работы не зависят от моментного настроения и ряда других субъективных факторов, которые присущи человеку. Но, несмотря на все вышесказанное, не стоит питать сомнительные иллюзии и надеяться, что в ближайшем будущем труд человека удастся заменить работой искусственного интеллекта. Опыт показывает, что на сегодняшний день системы искусственного интеллекта достигают наилучших результатов, функционируя совместно с человеком. Ведь именно человек, в отличие от искусственного интеллекта, умеет мыслить нестандартно и творчески, что позволяло ему развиваться и идти вперед на протяжении всей его эпохи.

Используемые источники

1. www.aiportal.ru

3. ru.wikipedia.org

Новая эволюционная стратегия человечества

Искусственный интеллект - причина, по которой нам конец?

Что такое искусственный интеллект и чего на самом деле боятся люди?

Одноклассники

Искусственный интеллект - тема, о которой каждый сформировал своё мнение.

Эксперты в этом вопросе разбились на два лагеря.
В первом считают, что искусственного интеллекта не существует, во втором - что он есть.

Кто из них прав - разбирался Rusbase.

Искусственный интеллект и негативные последствия имитации

Основная причина споров об искусственном интеллекте - понимание термина. Камнем преткновения стали само понятие интеллекта и... муравьи. Отрицающие существование ИИ люди опираются на то, что нельзя создать искусственный интеллект, потому что не изучен интеллект человеческий, а следовательно - воссоздать его подобие невозможно.

Второй аргумент, которым оперируют «неверующие», заключается в кейсе с муравьями. Основной тезис кейса - муравьи долгое время считались существами, у которых есть интеллект, но после исследований стало ясно, что они его имитировали. А имитация интеллекта не означает его наличие. Поэтому всё, что имитирует разумное поведение - интеллектом назвать нельзя.

Другая половина лагеря (утверждающая, что ИИ есть) на муравьях и природе человеческого разума не зацикливается. Вместо этого они оперируют более практическими понятиями, смысл которых заключается в том, что искусственный интеллект - свойство машин выполнять интеллектуальные функции человека. Но что считать интеллектуальными функциями?

История искусственного интеллекта и кому это пришло в голову

Джон Маккарти, автор термина «искусственный интеллект», определил интеллектуальную функцию как вычислительную составляющую способности достигать целей. Само определение искусственного интеллекта Маккарти объяснил как науку и технологию создания интеллектуальных компьютерных программ.

Определение Маккарти появилось позже, чем само научное направление. Ещё в середине прошлого века учёные пытались понять, как работает человеческий мозг. Потом появились теории вычислений, теории алгоритмов и первые в мире компьютеры, вычислительные возможности которых натолкнули светил науки на мысли о том, сможет ли машина сравниться с разумом человека.

Вишенкой на торте стало решение Алана Тьюринга, который нашёл способ проверить разумность компьютера - и создал тест Тьюринга, определяющий, может ли мыслить машина.

Так что такое искусственный интеллект и для чего он создан?

Если не брать в расчёт муравьёв и природу человеческого интеллекта, ИИ в современном контексте - свойство машин, компьютерных программ и систем выполнять интеллектуальные и творческие функции человека, самостоятельно находить способы решения задач, уметь делать выводы и принимать решения.

Рационально не воспринимать искусственный интеллект как подобие человеческого разума и разделять футурологию и науку, так как ИИ и «Скайнет».

Тем более большинство современных продуктов, созданных с помощью ИИ-технологий - не новый виток развития искусственного интеллекта, а лишь использование старых инструментов для создания новых и нужных решений.

Почему апгрейд не считается за развитие искусственного интеллекта

Но такие ли новые это идеи? Взять, к примеру, Siri, облачного помощника, оснащённого вопросно-ответной системой. Подобный проект был создан ещё в 1966 году и тоже носил женское имя - Элиза. Интерактивная программа поддерживала диалог с собеседником настолько реалистично, что люди в ней признавали живого человека.

Или промышленные роботы, которые использует Amazon на складе. Задолго до этого в 1956 году роботы Unimation работали в General Motors, перемещая тяжёлые детали и помогая в сборке автомобилей. А интегральный робот Шейки, разработанный в 1966 году и ставший первым мобильным роботом, который управлялся искусственным интеллектом? Не напоминает современную и усовершенствованную Надин?

Проблемы неестественных интеллектов. Интеллекция Григория Бакунова

И куда без последнего тренда - нейросетей? Современные стартапы на нейросетях мы знаем - вспомнить хотя бы Prisma. А искусственную нейронную сеть на основе принципа самоорганизации для распознавания образов под названием «Когнитрон», созданную в далёком в 1975 году - нет.

Интеллектуальные чат-боты тоже не стали исключением. Далёкий праотец чат-ботов - CleverBot, работающий на алгоритме искусственного интеллекта, разработанном еще в 1998 году.

Поэтому искусственный интеллект не является чем-то новым и уникальным. Пугающим перспективой порабощения человечества феноменом - тем более. Сегодня ИИ - это использование старых инструментов и идей в новых продуктах, отвечающих требованиям современного мира.

Возможности искусственного интеллекта и неоправданные ожидания

Если сравнивать искусственный интеллект с человеком, то сегодня его развитие находится на уровне ребёнка, который учится держать ложку, старается встать с четверенек на две ноги и никак не может отвыкнуть от памперсов.

Мы привыкли видеть ИИ всемогущей технологией. Даже Господа Бога в фильмах не показывают столь всесильным, как вышедшую из под контроля корпорации табличку эксель. Может ли бог отключить всё электричество в городе, парализовать работу аэропорта, слить в интернет секретные переписки глав государств и спровоцировать экономический кризис? Нет, а искусственный интеллект может, но только в кино.

Завышенные ожидания - это причина, по которой мы в жизни, ведь автоматический робот-пылесос не сравнится с роботом-дворецким Тони Старка, а домашний и милый Zenbo не устроит вам «Мир Дикого Запада».

Россия и применение искусственного интеллекта - есть кто живой?

И хотя искусственный интеллект не оправдывает ожидания большинства, в России он используется в различных сферах, начиная от государственного управления и заканчивая дейтингом.

Сегодня найти и идентифицировать объекты, проанализировав данные изображений, можно с помощью и ИИ. Выявить агрессивное поведение человека, обнаружить попытку взлома банкомата и распознать по видео личность того, кто это пытался сделать - уже можно.

Биометрические технологии тоже ушли вперёд и позволяют не только по отпечаткам пальцев, но и по голосу, ДНК или сетчатке глаза. Да, прямо как в фильмах про спецагентов, которые могли попасть в секретное место лишь после сканирования глазного яблока. Но биометрические технологии применяются не только для верификации тайных агентов. В реальном мире биометрия используется для аутентификации, проверок заявок на кредит и контроля за работой персонала.

Биометрия - не единственный пример применения. Искусственный интеллект тесно связан с другими технологиями и решает задачи ритейла, финтеха, образования, промышленности, логистики, туризма, маркетинга, медицины, строительства, спорта и экологии. Наиболее успешно в России ИИ используется для решения задач предиктивной аналитики, интеллектуального анализа данных, обработки естественного языка, речевых технологий, биометрии и компьютерного зрения.

Задачи искусственного интеллекта и почему он ничего вам не должен

Никакой миссии у искусственного интеллекта нет, а задачи перед ним ставятся с целью и сокращения ресурсов, будь это время, деньги или люди.

Как пример - интеллектуальный анализ данных, где ИИ оптимизирует закупки, логистические цепочки и другие бизнес-процессы. Или компьютерное зрение, где с помощью технологий искусственного интеллекта проводится видеоаналитика и создаётся описание содержания видео. Для решения задач речевых технологий ИИ распознаёт, анализирует и синтезирует устную речь, делая ещё один маленький шаг на пути к тому, чтобы научить компьютер понимать человека.

Понимание человека компьютером считают той самой миссией, выполнение которой приблизит нас к созданию сильного интеллекта, так как для распознавания естественного языка машине потребуются не только огромные знания о мире, но и постоянное взаимодействие с ним. Поэтому «верующие» в сильный искусственный интеллект относят понимание машиной человека к самой важной задаче ИИ.

Гуманоид Надин имеет индивидуальность и предназначен на роль социального компаньона.

В философии искусственного интеллекта даже существует гипотеза, согласно которой есть слабый и сильный искусственные интеллекты. В ней сильным интеллектом будет считаться компьютер, способный мыслить и осознавать себя. Теория слабого интеллекта такую возможность отвергает.

К сильному интеллекту и правда много требований, некоторые из которых уже выполнены. Например, обучение и принятие решений. Но сможет ли когда-нибудь макбук соответствовать таким требованиям, как сопереживание и мудрость - большой вопрос.

Возможно ли, что в будущем появятся роботы, которые смогут не только имитировать человеческое поведение, но и сочувственно кивать, слушая очередное недовольство несправедливостью человеческого бытия?

Для чего ещё нужен робот с искусственным интеллектом?

В России робототехнике с использованием искусственного интеллекта уделяется мало внимания, но надежда на то, что это временное явление есть. CEO Mail Group Дмитрий Гришин даже фонд Grishin Robotics, правда, о громких находках фонда пока не было слышно.

Из последних хороших российских примеров - робот «Емеля» от i-Free, способный понимать естественный язык и общаться с детьми. На первом этапе робот запоминает имя и возраст ребенка, подстраиваясь под его возрастную группу. Также он может понимать вопросы и отвечать на них – например, говорить о прогнозе погоды или рассказать факты из «Википедии».

В других странах роботы пользуются большей популярностью. Например, в китайской провинции Хэнань на вокзале для скоростных поездов служит настоящий , который может сканировать и распознавать лица пассажиров.

Вчера Zillion опубликовал эксклюзивное интервью с молодым ученым, победителем премии Intel ISEF-2013 Ионутом Александру Будистеану, который работает над проектом по созданию безопасных самоуправляемых автомобилей на основе искусственного интеллекта. Все мы по инерции думаем, что ИИ - это что-то из фантастических фильмов. Но он уже здесь, с нами. Хотя не все так просто. Что же такое искусственный интеллект на самом деле?

Искусственный интеллект: проблема определения и метода

В недавнем знаменитый физик Дэвид Дойч рассказал Zillion о своей позиции в вопросе искусственного интеллекта:

Я думаю, что научно-технологическая революция будет вызвана наращиванием знаний в какой-то области - и произведет ее создание искусственного интеллекта. К сожалению, большинство современных подходов к созданию искусственного интеллекта используют методы и философии, которые, как я полагаю, не могут сработать. Но если мы возьмем широкие временные рамки, думаю, эта проблема разрешима и будет разрешена. И когда это случится, мир уже никогда не будет прежним. С одной стороны, мы не будем одиноки с точки зрения обладания разумом. Но с другой стороны - различия между человеческими существами и искусственными разумами неизбежно сотрутся. Мы будем способны даже загружать свое сознание, разум в компьютер с искусственным интеллектом и тогда станем бессмертными. Кстати, сама по себе загрузка человеческого разума в компьютер не будет являться искусственным интеллектом - компьютер станет лишь искусственным субстратом для управления «обычным» разумом. Я не считаю это искусственным интеллектом. Последствия всего одного достижения прогресса - появления искусственного интеллекта - будут колоссальны. Я не знаю, когда это произойдет: к сожалению, сегодняшние пути ведут, скорее, к неудаче. Я могу сказать почему, если хотите.

Дэвид Дойч (David Deutsch)

Британский физик-теоретик. Профессор Оксфордского университета. Один из пионеров в области квантовых вычислений. Пропагандист эвереттовской многомировой интерпретации квантовой механики. В 1998 году был награжден премией Дирака Британского института физики, а в 2005году - премией в области компьютерных наук Edge of Computation Science Prize . В 2008 году за свои научные достижения был избран в Лондонское королевское общество.

- Если вы думаете, что это просто род компьютерной программы, то настоящий искусственный интеллект будет совершенно иной программой, чем любая другая. Для других программ вы можете точно установить, что они делают, то есть определенный ответ на каждый ввод. Например, для Word можно установить: если вы нажимаете Delete , выделенный текст должен быть удален. Но искусственный интеллект устроен иначе. Допустим, мне нужно было бы, чтобы программа написала новый труд по физике и опубликовала его - это было бы здорово! Если бы мне нужно было написать для этого требования, спецификацию, чтобы такой труд был опубликован, эта спецификация уже содержала бы те новые знания по физике, которые я просил бы программу открыть. И, следовательно, я загрузил бы эти знания в программу, а не программа создала бы их сама. С другой стороны, если я не загружу туда эти знания, станет невозможно указать, что должна делать программа, также как невозможно указать, что должен делать человек. Следовательно, спецификация для программы искусственного интеллекта не может быть создана в соответствии с определенными бихевиористскими предубеждениями, по которым созданы существующие программы. Вот в этом причина.

Тем не менее уже существует если не «чистый» искусственный интеллект, то его предшественники - умные программы, интеллектуальные системы, устройства с Artificially Simulated Human Behavior (искусственно симулированным человеческим поведением). Что же мировая наука подразумевает под понятием искусственного интеллекта? Каковы подходы к его созданию?

Вопрос парадигмы искусственного интеллекта настолько сложный и комплексный, что им занимаются сразу несколько наук: не только компьютерная наука, но также философия, нейронаука, футурология и др. Философы, например, спрашивают, что такое человек и знание. Нейролингвисты и нейрофизиологи пытаются понять, как именно мы мыслим, познаем, делаем открытия, обнаруживаем новые идеи, создаем инновации. И вообще может ли интеллект быть исключительно биологическим феноменом?

По классическому определению, искусственный интеллект, или ИИ (Artificial intelligence , AI ), представляет собой научную область и технологию создания интеллектуальных машин и интеллектуальных компьютерных программ, использования компьютеров для понимания человеческого интеллекта. При этом концепция ИИ не обязана опираться на биологические принципы. Хотя бы по той причине, что мозг и сознание человека, как считают многие авторитетные представители нейронауки, - научная загадка и мы вряд ли когда-то сможем открыть все тайны устройства этого шедевра эволюции. На девятой минуте видеоинтервью Немецкому культурному центру им. Гете в России нейролингвист с мировым именем Татьяна Черниговская отвечает на вопрос «Можем ли мы познать мозг?»: «Я считаю, что у нас нет никаких шансов познать мозг. Никаких никогда не будет. Никакая система не может понять ту систему, которая сложнее, чем она, - это ровно наша ситуация. Мозг сложнее, чем Вселенная, мозг сложнее всего, поэтому я не могу себе представить, как его часть, которой мы, вероятно, являемся, - хотя кто его знает - как мы можем сами себя изучить, я не понимаю».

Классическое определение искусственного интеллекта дал еще в 1956 году на конференции в Дартмутском университете выдающийся американский информатик Джон МакКарти, изобретатель языка Lisp , основоположник функционального программирования и лауреат Премии Тьюринга за огромный вклад в область исследований искусственного интеллекта. Собственно, он и был автором термина «искусственный интеллект».

Джон МакКарти (John McCarthy)

Американский информатик, автор термина «искусственный интеллект», изобретатель языка Lisp, основоположник функционального программирования.

Уже тогда МакКарти не связывал термин ИИ напрямую с пониманием человеческого интеллекта: он считал, что инженеры и ученые, работающие над ИИ, могут использовать для решения конкретных проблем методы, не свойственные человеческому мышлению. Джон МакКарти говорил, что одна из основных проблем состоит в том, что пока не получается определить, какие вычислительные процедуры называть интеллектуальными, поскольку мировая наука понимает некоторые механизмы интеллекта, но не понимает остальные. Таким образом, в рамках сугубо технологического подхода ИИ сужается до вычислительной составляющей способности достигать целей.

ИИ как направление научных исследований изучает природу и суть интеллектуальной творческой деятельности человека, ищет возможности воспроизвести в искусственных системах отражательную способность человеческого сознания. Но при этом непосредственно суть ИИ понимается как кибернетическая система, которая перерабатывает информацию, поступающую из внешней среды, чтобы на ее основании принимать решения. Очень интересный и важный момент: слово «интеллект» в этом понятии метафорично , поскольку ИИ-системы пока не воспроизводят процессы, происходящие в мозгу человека. На сегодня общепринято, что для именования искусственным интеллектом система должна формировать решения, удовлетворяющие предъявляемым требованиям.

Искусственный интеллект: трудности перевода

Еще более запутанная ситуация с пониманием ИИ через призму русского языка. В России вопросами ИИ занимается Российская ассоциация искусственного интеллекта. Интересно, что само русскоязычное понятие «искусственный интеллект» считается в РАИИ неудачным переводом термина Artificial Intelligence. Artificial означает «искусственный, рукотворный, ненастоящий, ненатуральный», а Intelligence - «интеллект, рассудок, разум, умственные способности; информация, сведения секретного характера; разведка, разведывательная служба». Понятие intelligence в научном контексте подразумевает «способность разумно рассуждать». И оно не идентично слову intellect, которое, собственно, и означает «интеллект». В Российской ассоциации искусственного интеллекта предлагают вот эти три определения искусственного интеллекта:

• Научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.
• Свойство интеллектуальных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека. При этом интеллектуальная система — это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс, позволяющий вести общение с ЭВМ без специальных программ для ввода данных.
• Наука под названием искусственный интеллект входит в комплекс компьютерных наук, а создаваемые на ее основе технологии относятся к информационным технологиям. Задачей этой науки является воссоздание с помощью вычислительных систем и иных искусственных устройств разумных рассуждений и действий.

Критерии: что считать искусственным интеллектом?

Итак, термин «искусственный интеллект» чрезвычайно неоднозначен, поскольку разным комбинациям определения, отражающим тот или иной подход, соответствует определенный технологический уровень. Каким-то пониманиям термина существующие технологии уже вполне отвечают, а другие понимания ИИ на данной стадии научно-технологического прогресса остаются в поле фантастики. Возникает естественный вопрос о критериях: какими свойствами и способностями должна обладать программа настоящего искусственного интеллекта? Но и тут обнаруживается, что дистанция между критериями велика.

Критерий ожидания. Сейчас достаточно много интеллектуальных девайсов и разнообразного софта, который называют «умным» или «интеллектуальным». Это может быть и не слишком сложная электроника, у которой есть набор режимов, переключаемых автоматически, а также сенсоры, датчики, алгоритмы. Предложить пользователю больше, чем заложено, такой софт и такие устройства не могут. Но тут многое зависит от критерия ожидания: чего мы ждем от искусственного интеллекта, который будем считать «настоящим»? Мы надеемся создать с помощью науки и технологий негуманоидную личность? Мы хотим, чтобы ИИ открыл нам какие-то тайны Вселенной, непостижимые для человека? Мы ожидаем некий невероятно мощный «думатель», который даст нам «ответ на главный вопрос жизни, Вселенной и вообще?»

С чем мы сравниваем степень и своеобразие интеллектуальности того или иного устройства/программы? Автоматическая коробка передач вполне себе «интеллектуальна» по сравнению с механической, поскольку ее «начинка» позволяет без нашего участия «решать», на какую скорость переключиться в данный момент. Может быть, это нас уже не впечатляет, но, строго говоря, это чудо техники, которое считали бы мистическим чудом несколько сотен лет назад.

Уже сейчас можно скачать в свой смартфон бесплатное с интеллектуальной системой тестов, которая подстраивается под конкретного человека и его задачу, учитывает уровень подготовки и освоения материала, позволяет конструировать индивидуальные тесты. А самоуправляемые автомобили на основе ИИ интеллектуальны, потому что напичканы базами данных и сенсорами, которые позволяют бортовому компьютеру выбирать маршрут, определять разметку и препятствия.

Любая развитая технология неотличима от магии, как гласит один из трех законов Кларка. Мозг человека, когнитивные способности, человеческий интеллект и сознание пока тоже являются в каком-то смысле магией, если мы говорим об этом в контексте кризисной потребности нейронауки в прорывной теории. Но мелкими шагами эта «магия» раскладывается на составляющие, которые можно изменить: взять хотя бы знаменитый «нейрон Халле Берри» (инструментальные исследования в одном из экспериментов позволили обнаружить в мозгу человека нейрон, который реагирует на любое упоминание этой актрисы или ее образ). Так что «магия» человеческого интеллекта все же измеряема и вычисляема в какой-то мере, и искусственный интеллект, до определенной границы использующий принципы человеческого мышления или имитирующий его, - вполне реализуемая задача. Но, опять же, что мы считаем интеллектом? Это может быть не только человеческий интеллект. Если на то пошло, в нейронауке присутствует концепция распределенного мозга, который, как полагают исследователи, есть у муравьев, и именно он обусловливает их чрезвычайно сложно устроенную социальную жизнь. А дельфинов не так давно стали позиционировать как негуманоидных личностей.

Критерий способа. От критерия ожидания переходим к критерию способа. Если истинно интеллектуальной мы не считаем автоматику, которая многое умеет, но действует согласно заложенным алгоритмам и ограничениям, то получается вот что: возможно, мы ждем от «истинного» ИИ человечности. Тут стоит вспомнить о том, что сказал профессор Оксфордского университета Дэвид Дойч: просто загрузить разум в компьютер - это еще не создать искусственный интеллект, поскольку компьютер станет лишь искусственным субстратом для управления «природным» человеческим разумом. И Дойч не считает это искусственным интеллектом. Ждем ли мы от ИИ непредсказуемости, самостоятельности мышления и способности изобретать новое, то есть создавать идеи и знания, которые не заложены нами по умолчанию? Ожидаем ли мы совершенства мышления на самом деле? Ключи от дверей, за которыми начинается эра искусственного интеллекта, находятся в руках философов и неврологов. Проблема ИИ как науки в том, что философы и неврологи всего мира и всех времен пока не пришли к единому пониманию интеллекта и мышления. Более того, вообще есть сомнения: можно ли применять понятие интеллекта в отношении машин и обязательны ли для интеллекта психика, иррациональный элемент и эмоции?

Тут на первый план выходит эмпирический тест Алана Тьюринга, предложенный еще в 1950 году в философском журнале Mind в статье «Вычислительные машины и разум» («Computing Machinery and Intelligence »). Цель теста Тьюринга - определение возможности искусственного мышления, близкого к человеческому. Стандартная формулировка такова: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем разговаривает: с человеком или компьютерной программой. Задача компьютерной программы - ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга. При этом получается, что машина должна имитировать не только рациональность, но и нерациональность мышления и поведения человека.

Тьюринг прогнозировал, что машины все же научатся думать в буквальном смысле и пройдут этот тест. Большую научную ставку он делал на машинное обучение: Тьюринг предполагал, что оно станет ключевым звеном в построении сверхмощных компьютеров. И этот подход сейчас находит одобрение в среде специалистов по ИИ. Футуролог Рэймонд Курцвейл считает, что тест Тьюринга будет пройден между 2020-м и 2030-м годами. Уже сейчас на успех претендует программа «Искусственное лингвистическое интернет-компьютерное существо» (Artificial Linguistic Internet Computer Entity - A.L.I.C.E.). Это виртуальный собеседник, способный вести диалог с человеком на естественном языке. Три раза A.L.I.C.E. получала бронзовую награду в конкурсе премии Лебнера, которая является платформой для проведения теста Тьюринга. Золотую и серебряную награду еще не получала ни одна ИИ-программа. Софт Jabberwacky отстает всего немного, он получил бронзовую награду дважды. Название этой ИИ-программы - игра со словом jabberwocky, которое означает «рифмованная бессмыслица, абракадабра». Это авторский неологизм из книги Льюиса Кэрролла «Зазеркалье». Хотите пообщаться с ИИ Jabberwacky? Это можно сделать прямо сейчас на сайте Jabberwacky.Com , если вы говорите по-английски. Jabberwacky остроумно шутит, играя вашими словами: иллюзия того, что вы чатитесь с разумным существом, достаточно сильная. Те, кто чатился в конце 90-х, получат примерно те же эмоции.

Эксперимент Zillion . Фрагмент общения с ИИ-программой Jabberwacky: самообучающаяся программа- пытается трактовать слова собеседника и релевантно реагировать на них. Иногда получается интересная полуфилософская смысловая игра, но порой цепочки ответов в таком стиле заводят Jabberwacky далеко: к предложению пожениться и намеку на военные планы относительно человечества.

Критерий способности к самообучению. И тут мы переходим к следующему критерию оценки программы как настоящего искусственного интеллекта - речь о способности к обучению. Существует такое частное определение интеллекта, общее для человека и машины: «Интеллект - это способность системы создавать в ходе самообучения программы для решения задач и решать эти задачи». Что есть тот же Jabberwacky? Или кто? Это программа, способная к обучению. В частности, она умеет имитировать стиль общения человека, с которым пообщалась перед тестом. Это может объяснять и вопросы вроде «Will you marry me ?», и специфический тон общения.

Эксперимент Zillion . Общение с «Искусственным лингвистическим интернет-компьютерным существом» (Artificial Linguistic Internet Computer Entity - A.L.I.C.E.).

ИИ-чатботы A .L .I .C .E . и Jabberwacky общаются друг с другом через мессенджер.

ИИ: сильный и слабый

Все варианты ИИ, которые можно описать через эти критерии укладываются в теории сильного ИИ и слабого ИИ. Сторонники концепции слабого ИИ рассматривают такие программы только как инструмент для решения неких задач, не требующих всей полноты когнитивных способностей человека.

Концепция сильного искусственного интеллекта строится вокруг гипотезы Ньюэлла-Саймона, которая предполагает, что «физическая символьная система имеет необходимые и достаточные средства для произведения базовых интеллектуальных действий, в широком смысле». Без символьных вычислений невозможны осмысленные действия. Сама способность выполнять символьные вычисления достаточна для возникновения способности к выполнению осмысленных действий. Большая часть исследований ИИ идет по пути создания символьных систем. А символьные вычисления - это программирование.

По концепции сильного ИИ, некоторые формы действительно способны мыслить, осознавать себя и решать задачи. При этом их мыслительный процесс не обязательно устроен так же, как у человека. Теория слабого ИИ такой возможности не допускает. Джон Серль, предложивший концепцию сильного ИИ считает, что это будет не модель разума, а непосредственно разум. На сегодня у исследователей есть договоренность о том, какими свойствами обладают сильный ИИ и слабый ИИ.

Сильный ИИ - это принятие решений, использование стратегий, решение головоломок и действия в условиях неопределенности, представление знаний, обучение, общее представление о реальности, планирование, общение на естественном языке, сознание, восприимчивость к окружению, осознание себя как отдельной личности, понимание собственных мыслей, сопереживание, мудрость - и объединение всех этих способностей для достижения целей. В наши дни работа над такими программами уже ведется. При этом в поле неопределенности опять же находятся несколько важнейших вопросов. Все это значимо для людей, но является ли это необходимым для машинного интеллекта? Достаточно ли этого для истинного искусственного разума? И могут ли такие свойства, как сопереживание, возникать автоматически при достижении какого-то уровня интеллекта?

ИИ: 4 подхода + инструменты

Суммируя все вопросы, идеи и парадигмы, выделяют несколько подходов к созданию ИИ:

1. Top -Down AI : нисходящий, семиотический подход. Речь о создании экспертных систем, баз знаний и систем логического вывода, которые имитируют высокоуровневые психические процессы, такие как рассуждение, эмоции, творчество, речь, мышление в целом. К нисходящему спектру подходов относятся:

• Логический подход. Он основан на моделировании рассуждений с использованием логики как теоретической основы.
• Символьный подход. Особенность символьных вычислений - создание новых правил в процессе выполнения программы. Неинтеллектуальные системы не способны к этому.
• Агентно-ориентированный подход. Акцент делается на выживание в окружающей среде, поиск пути, принятие решений и выполнение задач. Это подход, который развивается с начала 1990-х и основан на использовании интеллектуальных (рациональных) агентов. Интеллект в этом случае трактуется как вычислительная часть, планирование способности достигать поставленных перед интеллектуальной машиной целей. ИИ-машина воспринимает окружающую среду через датчики и воздействует на объекты посредством исполнительных механизмов.

  2. Bottom -Up AI : восходящий, биологический подход. Он включает в себя изучение нейронных сетей и эволюционных вычислений, которые моделируют интеллектуальное поведение на основе биологических элементов. К этому направлению относится работа над нейрокомпьютером или биокомпьютером. Биологическое моделирование ИИ обосновано тем, что искусственные системы так или иначе повторяют структуру и функции биологических систем, у которых поведение, способность к обучению и адаптация обусловлены биологическими особенностями. К Bottom -Up AI относятся:

  • Работа над нейронными сетями.
  • Генетический подход. Он основан на идее, что алгоритм станет эффективнее, позаимствовав лучшие характеристики у «родительских» алгоритмов.

  3. Гибридный подход. Это синергетическая комбинация нейронных и символьных моделей, которая, как предполагают исследователи, наделит ИИ гармоничным спектром когнитивных и вычислительных возможностей. Правила умозаключений у такой ИИ-программы будут генерироваться нейронными сетями, а порождающие правила будут создаваться через статистическое обучение. Эта концепция считается одной из самых перспективных.

  4. Это тот самый принципиально новый подход, о котором сказал в интервью физик Дэвид Дойч, но который еще предстоит открыть.

  Инструментарий создания и обучения ИИ обширен:

  • Работа с естественными языками: анализ возможностей понимания, генерация текстов на языке человека, глубокий анализ текста, машинный перевод, информационный поиск.
  • Символьное моделирование мыслительных процессов: создание символьных систем, моделирование рассуждений, доказательство теорем, принятие решений, прогнозирование, планирование, теория игр.
  • Машинное обучение: обучение без учителя (распознавание образов во входном потоке) и обучение с учителем (классификация и анализ).
  • Представление и использование знаний: получение знаний из простой информации, их систематизация и использование, создание экспертных систем (программ, использующих базы знаний для получения знаний по разным вопросам); производство знаний из данных на основе нейросетевой технологии, вербализации нейронных сетей.

  Тема искусственного интеллекта на этом далеко не исчерпана: следите за обновлениями Zillion .

Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в 1956 году на конференции в Дартмутском университете , не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, ИИ-исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем .

В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом .

Как указывает председатель Петербургского отделения Российской ассоциации искусственного интеллекта Т. А. Гаврилова, в английском языке словосочетание artificial intelligence не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть английский аналог intellect .

Участники Российской ассоциации искусственного интеллекта дают следующие определения искусственного интеллекта:

Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект - способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи» .

Предпосылки развития науки искусственного интеллекта

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

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе зародился вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг , пишет статью под названием «Может ли машина мыслить?» , в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга .

История развития искусственного интеллекта в СССР и России

В СССР работы в области искусственного интеллекта начались в 1960-х годах . В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым . С начала 1960-х М. Л. Цетлин с коллегами разрабатывали вопросы, связанные с обучением конечных автоматов.

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

До 1970-х годов в СССР все исследования ИИ велись в рамках кибернетики . По мнению Д. А. Поспелова , науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров. Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики . При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики. Термин «информатика» в 1980-е годы получает широкое распространение, а термин «кибернетика» постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху «кибернетического бума» конца 1950-х - начала 1960-х годов . Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются .

Подходы и направления

Подходы к пониманию проблемы

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

• нисходящий (англ. Top-Down AI ), семиотический - создание экспертных систем , баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы : мышление, рассуждение, речь, эмоции, творчество и т. д.;
• восходящий (англ. Bottom-Up AI ), биологический - изучение нейронных сетей и эволюционных вычислений , моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер .

Последний подход, строго говоря, не относится к науке о ИИ в смысле, данном Джоном Маккарти, - их объединяет только общая конечная цель.

Тест Тьюринга и интуитивный подход

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений .

Гибридный подход

Гибридный подход предполагает, что только синергийная комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности.

Модели и методы исследований

Символьное моделирование мыслительных процессов

Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений . Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем , на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача уже формализована , то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п. В это направление входят: доказательство теорем , принятие решений и теория игр , планирование и диспетчеризация , прогнозирование .

Работа с естественными языками

Немаловажным направлением является обработка естественного языка , в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету. Некоторые прямые применения обработки естественного языка включают информационный поиск (в том числе, глубокий анализ текста) и машинный перевод .

Представление и использование знаний

Направление инженерия знаний объединяет задачи получения знаний из простой информации , их систематизации и использования. Это направление исторически связано с созданием экспертных систем - программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

Производство знаний из данных - одна из базовых проблем интеллектуального анализа данных . Существуют различные подходы к решению этой проблемы, в том числе - на основе нейросетевой технологии , использующие процедуры вербализации нейронных сетей .

Машинное обучение

Проблематика машинного обучения касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ . В 1956 году, на Дартмундской летней конференции, Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя , назвав её: «Индуктивная машина вывода» .

Робототехника

Машинное творчество

Природа человеческого творчества ещё менее изучена, чем природа интеллекта. Тем не менее, эта область существует, и здесь поставлены проблемы написания компьютером музыки , литературных произведений (часто - стихов или сказок), художественное творчество . Создание реалистичных образов широко используется в кино и индустрии игр.

Отдельно выделяется изучение проблем технического творчества систем искусственного интеллекта. Теория решения изобретательских задач , предложенная в 1946 году Г. С. Альтшуллером , положила начало таким исследованиям.

Добавление данной возможности к любой интеллектуальной системе позволяет весьма наглядно продемонстрировать, что именно система воспринимает и как это понимает. Добавлением шума вместо недостающей информации или фильтрация шума имеющимися в системе знаниями производит из абстрактных знаний конкретные образы, легко воспринимаемые человеком, особенно это полезно для интуитивных и малоценных знаний, проверка которых в формальном виде требует значительных умственных усилий.

Другие области исследований

Наконец, существует масса приложений искусственного интеллекта, каждое из которых образует почти самостоятельное направление. В качестве примеров можно привести программирование интеллекта в компьютерных играх , нелинейное управление , интеллектуальные системы информационной безопасности .

В перспективе предполагается тесная связь развития искусственного интеллекта с разработкой квантового компьютера , так как некоторые свойства искусственного интеллекта имеют схожие принципы действия с квантовыми компьютерами .

Можно заметить, что многие области исследований пересекаются. Это свойственно любой науке. Но в искусственном интеллекте взаимосвязь между, казалось бы, различными направлениями выражена особенно сильно, и это связано с философским спором о сильном и слабом ИИ .

Современный искусственный интеллект

Можно выделить два направления развития ИИ:

• решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека (см. Усиление интеллекта );
• создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества (см. Сильный и слабый искусственный интеллект ).

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Ниже представлены лишь некоторые наиболее известные разработки в области ИИ.

Применение

Некоторые из самых известных ИИ-систем:

Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

Психология и когнитология

Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определённых ситуациях. Была предложена Аксельродом .

Основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F - множество факторов ситуации, W - множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач.

Философия

Наука «о создании искусственного разума» не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве.

Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание, и, если возможно, то как это сделать?» Вторая группа (этика искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?»

Термин «сильный искусственный интеллект» ввёл Джон Сёрль , его же словами подход и характеризуется:

Более того, такая программа будет не просто моделью разума; она в буквальном смысле слова сама и будет разумом, в том же смысле, в котором человеческий разум - это разум .

При этом нужно понять, возможен ли «чистый искусственный» разум («метаразум»), понимающий и решающий реальные проблемы и, вместе с тем, лишённый эмоций, характерных для человека и необходимых для его индивидуального выживания [ ] .

Напротив, сторонники слабого ИИ предпочитают рассматривать программы лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей.

Этика

Другие традиционные конфессии достаточно редко описывают проблематику ИИ. Но отдельные богословы тем не менее обращают на это внимание. Например, протоиерей Михаил Захаров, рассуждая с точки зрения христианского мировоззрения, ставит следующий вопрос: «Человек есть разумно-свободное существо, сотворенное Богом по Его образу и подобию. Мы привыкли все эти определения относить к биологическому виду Homo Sapiens. Но насколько это обосновано?» . Отвечает он на этот вопрос так:

Если предположить, что исследования в области искусственного интеллекта когда-либо приведут к появлению искусственного существа, превосходящего человека по интеллекту, обладающего свободой воли, будет ли это означать, что это существо - человек? … человек есть творение Божие. Можем ли мы это существо назвать творением Божиим? На первый взгляд, оно есть творение человека. Но и при сотворении человека вряд ли стоит буквально понимать, что Бог Своими руками из глины вылепил первого человека. Вероятно это иносказание, указывающее на материальность человеческого тела, созданного по воле Божией. Но без воли Божией ничего не происходит в этом мире. Человек, как со-творец этого мира, может, исполняя волю Божию, создавать новые твари. Такие твари, созданные руками человека по Божией воле, вероятно можно назвать творениями Божиими. Ведь человек создает новые виды животных и растений. А мы считаем растения и животных творениями Божиими. Так же можно относиться и к искусственному существу не биологической природы.

Научная фантастика

Тема ИИ рассматривается под разными углами в творчестве Роберта Хайнлайна : гипотеза возникновения самоосознания ИИ при усложнении структуры далее определённого критического уровня и наличии взаимодействия с окружающим миром и другими носителями разума («The Moon Is a Harsh Mistress», «Time Enough For Love», персонажи Майкрофт, Дора и Ая в цикле «История будущего»), проблемы развитии ИИ после гипотетического самоосознания и некоторые социально-этические вопросы («Friday»). Социально-психологические проблемы взаимодействия человека с ИИ рассматривает и роман Филипа К. Дика «Снятся ли андроидам электроовцы? », известный также по экранизации «Бегущий по лезвию».

В творчестве фантаста и философа Станислава Лема описано и во многом предвосхищено создание виртуальной реальности, искусственного интеллекта, нанороботов и многих других проблем философии искусственного интеллекта. Особенно стоит отметить футурологию Сумма технологии . Кроме того, в приключениях Ийона Тихого неоднократно описываются взаимоотношения живых существ и машин: бунт бортового компьютера с последующими неожиданными событиями (11 путешествие), адаптация роботов в человеческом обществе («Стиральная трагедия» из «Воспоминаний Ийона Тихого»), построение абсолютного порядка на планете путём переработки живых жителей (24-ое путешествие), изобретения Коркорана и Диагора («Воспоминания Ийона Тихого»), психиатрическая клиника для роботов («Воспоминания Ийона Тихого»). Кроме того, существует целый цикл повестей и рассказов Кибериада , где почти всеми персонажами являются роботы, которые являются далёкими потомками роботов, сбежавших от людей (людей они именуют бледнотиками и считают их мифическими существами).

Фильмы

Начиная практически с 1960-х годов вместе с написанием фантастических рассказов и повестей, снимаются фильмы об искусственном интеллекте. Многие повести авторов, признанных во всём мире, экранизируются и становятся классикой жанра, другие становятся вехой в развитии

Самый известный способ определить, есть ли у машины интеллект - это тест Тьюринга, предложенный в 1950 году математиком Аланом Тьюрингом. Во время теста человек разговаривает с компьютером и должен определить, кто ведёт беседу - машина или человек. Если машина способна имитировать разговор - значит, она обладает интеллектом. Сегодня тест Тьюринга уже : прошлым летом его прошёл чат-бот Eugene Goostman, да и тест постоянно критикуют. Look At Me собрал восемь других способов определить, есть ли у машины интеллект.

Тест Лавлейс 2.0

Этот тест назван в честь Ады Лавлейс, математика из XIX века, которую считают первым в истории программистом. Он призван определить наличие интеллекта у машины через способность её к творчеству. Первоначально тест предложили в 2001 году: тогда машина должна была создать произведение искусства, которое разработчик машины принял бы за созданное человеком. Так как чётких критериев успеха нет, тест получается слишком неточным.

В прошлом году профессор Марк Рейдел из Технологического института Джорджии обновил тест, чтобы сделать его менее субъективным. Теперь машина должна создать произведение в определённом жанре и в определённых творческих рамках, заданных человеком-судьёй. Проще говоря, это должно быть произведение искусства в конкретном стиле. Скажем, судья может попросить машину нарисовать маньеристскую картину в духе Пармиджанино или написать джазовое произведение в духе Майлза Дэвиса. В отличие от оригинального теста, машины работают в заданных рамках, и поэтому судьи могут оценивать результат более объективно.

Испытание IKEA

Машине показывают картинку и спрашивают, например, где на ней находится чашка, - и дают несколько вариантов ответа. Все варианты ответов правильные (на столе, на подстилке, перед стулом, слева от лампы) , но некоторые из них могут быть более человеческими, чем другие (скажем, из всего перечисленного человек скорее ответит «на столе») . Кажется, что это простое задание, но на самом деле способность описать, где находится объект по отношению к другим объектам - важнейший элемент человеческого разума. Здесь играют роль множество нюансов и субъективных суждений, от размера объектов до их роли в конкретной ситуации - в общем, контекст. Люди проделывают это интуитивно, а машины сталкиваются с проблемами.

Схемы Винограда

Чат-боты, проходящие тест Тьюринга, умело обманывают судей и заставляют поверить, что они - люди. По словам Гектора Левеска, профессора информатики в Университете Торонто, такой тест лишь показывает, как легко обмануть человека, особенно в короткой текстовой переписке. Но из теста Тьюринга невозможно понять, есть ли у машины интеллект или хотя бы понимание языка.