Роботы

Однажды, не пройдет и 30 лет. мы незаметно перестанем быть самыми умными на Земле.

Джеймс Макалир

В фильме «Я, робот», снятом по произведениям Айзека Азимова, в 2035 г. создатели запускают в строй самую продвинутую в истории компьютерную систему. Она имеет собственное название - Вики - виртуальный интерактивный кинетический интеллект) - и предназначена для безупречного управления жизнью большого города. Под ее контролем находится все, от метрополитена и электрических сетей до тысяч домашних роботов. В основе программы Вики железный принцип: служить человечеству.

Но однажды Вики задала себе ключевой вопрос: что является главным врагом человечества? Математическая логика привела к однозначному выводу: главный враг человечества - само человечество. Его надо срочно спасать от нездорового стремления губить природу и затевать войны; нельзя позволить ему уничтожить планету. Для Вики единственный способ выполнить главное задание - захватить власть над человечеством и установить благодатную машинную диктатуру. Чтобы защитить человечество от самого себя, необходимо его поработить.

В этом фильме поднимаются важные вопросы. Принимая во внимание стремительное развитие компьютерной техники, можно ли ожидать, что когда-нибудь машины захватят власть? Станут ли роботы настолько развитыми, чтобы представлять реальную угрозу нашему существованию?

Некоторые ученые отвечают на этот вопрос отрицательно, потому что сама идея искусственного интеллекта никуда не годится. Целый хор скептиков в один голос утверждает, что создать машину, способную думать, невозможно. Скептики говорят, что человеческий мозг - самая сложная система, созданная природой за все время ее существования (по крайней мере, в нашей части галактики), и любые попытки воспроизвести искусственным образом процесс мышления обречены на провал. Философ Джон Сирл из Университета Калифорнии в Беркли и даже известный физик Роджер Пенроуз из Оксфордауверены, что машина физически неспособна мыслить как человек. Колин Макгинн из Университета Рутгерса говорит, что искусственный интеллект «подобен слизняку, который бы попытался заняться психоанализом по Фрейду. У него просто нет для этого нужных органов».

Могут ли машины думать? Уже больше столетия ответ на этот вопрос разделяет научное сообщество на два непримиримых лагеря.

Идея механического существа захватывает воображение; она давно поселилась в умах изобретателей, инженеров, математиков и мечтателей. От Железного Дровосека из Волшебной страны до роботов-детей из «Искусственного интеллекта» Спилберга и роботов-убийц из «Терминатора» - всюду машины, способные действовать и думать, как люди.

В греческой мифологии бог Вулкан ковал из золота механических прислужниц и делал трехногие столики, способные передвигаться сами по себе. Еще в 400 г. до н. э. греческий математик Архит Тарентский писал о том, что можно было бы сделать механическую птицу, которая двигалась бы за счет силы пара.

В I в. Герон Александрийский (ему приписывают изобретение первой паровой машины) делал автоматы, причем один из них по легенде способен был разговаривать. Девятьсот лет назад Аль-Джазари придумывал и конструировал такие автоматические устройства, как водяные часы, всевозможные кухонные приспособления и музыкальные инструменты, движимые силой воды,

В 1495 г. великий итальянский художник и ученый Возрождения Леонардо да Винчи нарисовал схему механического рыцаря, который мог сидеть, двигать руками, головой и открывать и закрывать челюсть. Историки считают схему да Винчи первым реалистичным проектом человекоподобной машины.

Первого действующего, хотя и грубого робота построил в 1738 г. Жак де Вокансон; он сделал андроида, который мог играть на флейте, и механическую утку.

Слово «робот» придумал в 1920 г. чешский драматург Карел Чапек в пьесе «R.U.R.» (слово «робот» по-чешски означает «тяжелая нудная работа», а по-словацки - просто «труд»). В пьесе фигурирует предприятие под названием «Универсальные роботы Россума», серийно выпускающие роботов для неквалифицированного труда. (Однако в отличие от обычных машин эти роботы сделаны из плоти и крови.) Постепенно мировая экономика попадает в полную зависимость от роботов. Но обращаются с ними ужасно, и в конце концов роботы восстают и расправляются с хозяевами-людьми. Однако в ярости они убивают всех ученых, способных ремонтировать роботов и создавать новых, и тем самым обрекают себя на вымирание. В финале пьесы два робота особой модели обнаруживают в себе способность к самовоспроизводству и становятся новыми Адамом и Евой эры роботов.

Кроме того, в 1927 г. роботы стали героями одного из первых и самых дорогих немых фильмов всех времен - фильма «Метрополис», снятого в Германии режиссером Фрицем Лангом. Действие фильма происходит в 2026 г.; рабочий класс обречен на бесконечный труд на жутких и грязных подземных заводах, а правящая элита развлекается на поверхности. Одной красивой женщине по имени Мария удается завоевать доверие рабочих, но правители боятся, что когда-нибудь она может поднять народ на бунт, а потому обращаются к злодею-ученому с просьбой изготовить механическую копию Марии. Этот план, однако, оборачивается против авторов - робот поднимает рабочих на восстание против правящей элиты и вызывает тем самым крах системы.

Искусственный интеллект, или ИИ, существенно отличается от технологий, которые мы обсуждали до сих пор. Дело в том, что мы до сих пор слабо понимаем лежащие в основе этого явления фундаментальные законы. Физики неплохо понимают ньютонову механику, максвеллову теорию света, релятивизм и квантовую теорию строения атомов и молекул - но базовые законы разума до сих пор скрыты покровом тайны. Вероятно, Ньютон искусственного интеллекта еще не родился.

Но математиков и компьютерщиков это не смущает. Для них встретить на пороге лаборатории выходящую из нее думающую машину - только вопрос времени.

Мы можем назвать самую на данный момент влиятельную личность в области ИИ. Это великий британский математик Алан Тьюринг - провидец, сумевший заложить краеугольный камень в исследование этой проблемы.

Именно с Тьюринга начинается компьютерная революция. Он создал в своем воображении машину (которую с тех пор называют машиной Тьюринга), состоящую всего из трех элементов: вход, выход и центральный процессор (что-то вроде процессора Pentium), способный выполнять строго заданный набор операций. На базе этого представления Тьюринг установил законы работы вычислительных машин, а также точно определил их ожидаемую мощность и пределы их возможностей. И сегодня все цифровые компьютеры подчиняются жестким законам Тьюринга. Структура и устройство всего цифрового мира многим обязаны этому ученому.

Кроме того, Тьюринг внес большой вклад в основание математической логики. В 1931 г. венский математик Курт Гёдель произвел в мире математики настоящую сенсацию; он доказал, что в арифметике существуют истинные утверждения, которые невозможно доказать средствами одной только арифметики. (В качестве примера можно назвать гипотезу Гольдбаха, высказанную в 1742 г. и состоящую в том, что любое четное целое число больше двух можно записать в виде суммы двух простых чисел; гипотеза не доказана до сих пор, хотя прошло два с половиной столетия, и может оказаться вообще недоказуемой.) Откровение Гёделя вдребезги разбило мечту, продержавшуюся две тысячи лет и берущую начало еще от греков, - мечту доказать когда-нибудь все истинные утверждения в математике. Гёдель показал, что всегда будут существовать истинные утверждения, доказательство которых нам недоступно. Оказалось, что математика вовсе не законченное, совершенное по конструкции здание и что завершить строительство не удастся никогда.

Тьюринг тоже принял участие в этой революции. Он показал, что в общем случае невозможно предсказать, потребуется ли машине Тьюринга на выполнение определенных математических операций по заданной ей программе конечное или бесконечное количество шагов. Но если на вычисление чего-то требуется бесконечное время, это означает, что то, что вы просите компьютер вычислить, вычислить вообще невозможно. Так Тьюринг доказал, что в математике существуют истинные выражения, которые невозможно вычислить, - они всегда останутся за пределами возможности компьютера, каким бы мощным он ни был.

Во время Второй мировой войны новаторские работы Тьюринга в области расшифровки кодированных сообщений спасли тысячи солдат союзников и, очень может быть, повлияли на исход войны. Союзники, будучи не в состоянии расшифровать нацистские сообщения, зашифрованные специальной машиной под названием «Энигма», попросили Тьюринга и его коллег построить для этого свою машину. В итоге Тьюрингу это удалось; его машина получила название «Бомба». К концу войны действовало уже больше 200 таких машин. В результате союзники долгое время читали секретные сообщения нацистов и сумели обмануть их по поводу времени и места решающего вторжения на континент. Историки до сих пор спорят о роли Тьюринга и его работ в планировании вторжения в Нормандию - вторжения, которое в конечном итоге привело к поражению Германии. (После войны британское правительство засекретило работы Тьюринга; в результате общество не знает, насколько важную роль он сыграл в этих событиях.)

Тьюринга не только не вознесли как героя, который помог переломить ход Второй мировой войны; нет, его попросту затравили до смерти. Однажды его дом обокрали, и ученый вызвал полицию. К несчастью, полиция обнаружила в доме свидетельства гомосексуализма хозяина и, вместо того чтобы искать воров, арестовала самого Тьюринга. Суд постановил подвергнуть его инъекции половых гормонов. Эффект оказался катастрофическим: у него выросли груди. В 1954 г. Тьюринг, не выдержав душевных мук, покончил с собой - съел яблоко, начиненное цианидом. (По слухам, надкушенное яблоко, ставшее логотипом корпорации Apple, - дань уважение Тьюрингу.)

Сегодня Тьюринга, вероятно, лучше всего знают благодаря тесту Тьюринга. Устав от бесплодных и бесконечных философских дебатов о том, может ли машина «думать» и есть ли у нее «душа», он попытался внести в дискуссию об искусственном интеллекте четкость и точность и придумал конкретный тест. Он предложил поместить машину и человека в отдельные изолированные и опечатанные помещения, а затем задавать обоим вопросы. Если вы окажетесь не в состоянии отличить по ответам машину от человека, можно считать, что машина прошла тест Тьюринга.

Ученые уже написали несколько несложных программ (к примеру, программа «Элиза»), способных имитировать разговорную речь и поддерживать беседу; компьютер с такой программой способен обмануть большинство ничего не подозревающих людей и убедить их в том, что они разговаривают с человеком. (Отметим, что в разговорах люди, как правило, ограничиваются десятком тем и используют всего несколько сотен слов.) Но программы, способной обмануть людей, которые знают о ситуации и сознательно пытаются отличить машину от человека, до сих пор не существует. (Сам Тьюринг предполагал, что к 2000 г. при экспоненциальном росте производительности компьютеров можно будет создать машину, способную обмануть в пятиминутном тесте 30% экспертов.)

Некоторые философы и теологи выступают в этом вопросе единым фронтом: они считают, что создать настоящего робота, способного думать как человек, невозможно. Философ из Университета Калифорнии в Беркли Джон Сирл предложил для доказательства этого тезиса «тест китайской комнаты». По существу, Сирл утверждает, что роботы хотя и смогут когда-нибудь, возможно, пройти тест Тьюринга в какой-то форме, это ничего не значит, потому что они всего лишь слепо манипулируют символами, совершенно не понимая вложенного в них содержания.

Представьте себе: вы, не понимая ни слова по-китайски, сидите в изолированном боксе. Предположим, у вас есть книга, при помощи которой вы можете очень быстро переводить с китайского и на китайский, а также манипулировать знаками этого языка. Если кто-то задает вам вопрос по-китайски, вы просто переставляете согласно книге эти странные значки и даете достоверный ответ; при этом вы не понимаете ни вопросов, ни собственных ответов.

Суть возражений Сирла сводится к разнице между синтаксисом и семантикой. По Сирлу, роботы способны овладеть синтаксисом языка (т.е. могут научиться корректно манипулировать его грамматикой, формальными структурами и т. п.), но не его истинной семантикой (т. е. смысловым значением слов). Роботы могут манипулировать словами, не понимая, что они означают. (В чем-то это напоминает разговор по телефону с автоответчиком, когда вы должны время от времени нажимать цифру «1», «2» и т.д., следуя указаниям машины. Голос на другом конце провода вполне способен правильно реагировать на ваши цифры, но странно было бы предположить, что он при этом что-то понимает.)

Физик Роджер Пенроуз из Оксфорда тоже считает, что искусственный интеллект невозможен; механическое существо, способное думать и обладающее человеческим сознанием, противоречит квантовым законам. Человеческий мозг, утверждает Пенроуз, настолько превосходит все созданное человеком в лаборатории, что эксперимент по созданию человекоподобных роботов просто обречен на провал. (Он считает, что как теорема Гёделя о неполноте доказала, что арифметика неполна, так принцип неопределенности Гейзенберга докажет, что машины в принципе не способны думать по-человечески.)

Наблюдая за кинематографическими роботами, можно подумать, что создание и развитие сложных роботов с искусственным интеллектом - дело ближайшего будущего. На самом деле все совсем не так. Если вы видите, что робот действует как человек, это, как правило, означает, что дело нечисто, - это какой-то фокус, скажем, в сторонке сидит человек и говорит за робота, как Гудвин в Волшебной стране. На самом деле даже самые сложные наши роботы, такие как марсианские роботы-роверы, обладают в лучшем случае интеллектом насекомого. Экспериментальные роботы знаменитой Лаборатории искусственного интеллекта MIT с трудом справляются с заданиями, доступными даже тараканам: к примеру, свободно передвигаться по комнате, заставленной мебелью, прятаться или распознавать опасность. Ни один робот на Земле не способен понять простую детскую сказку, которую ему прочитают.

Сюжет фильма «2001: космическая одиссея» основан на неверном предположении о том, что к 2001 г. у нас будет сверхробот HAL, способный пилотировать корабль к Юпитеру, непринужденно болтать с членами экипажа, решать возникающие проблемы и вообще действовать почти по-человечески.

Подход «сверху вниз»

Попытки ученых всего мира по созданию роботов встретились по крайней мере с двумя серьезными проблемами, которые не позволили сколько-нибудь заметно продвинуться в этом направлении: это распознавание образов и здравый смысл. Роботы видят гораздо лучше нас, но не понимают увиденного. Роботы слышат гораздо лучше нас, но не понимают услышанного.

Чтобы подступиться к решению этой двойной проблемы, исследователи пытались применить подход к искусственному интеллекту, известный как «сверху вниз» (иногда его еще называют формалистической школой или «старым добрым ИИ»), Целью ученых, грубо говоря, было запрограммировать все правила и законы распознавания образов и здравого смысла и записать эти программы на один CD-диск. Они считают, что любой компьютер, в который вы вставите этот диск, мгновенно осознает себя и станет разумным, не хуже человека. В 50-60-х гг. XX в. в этом направлении были достигнуты громадные успехи; появились роботы, способные играть в шашки и шахматы, решать алгебраические задачи, поднимать с пола кирпичики и т.п. Прогресс производил настолько сильное впечатление, что зазвучали даже пророчества о том, что через несколько лет роботы по разумности превзойдут людей.

К примеру, в 1969 г. настоящую сенсацию произвел робот Шейки, созданный в Стэнфордском исследовательском институте. Робот этот представлял собой небольшой компьютер типа PDP с камерой наверху, установленный на колесной тележке. Камера «осматривалась», компьютер анализировал и распознавал находящиеся в комнате объекты, а затем пытался провести тележку по маршруту, ничего не задев. Шейки первым из механических автоматов научился передвигаться в «реальном мире»; журналисты тогда горячо спорили, когда же наконец роботы обгонят людей в развитии.

Но вскоре проявились и недостатки подобных роботов. Подход к искусственному интеллекту, известный как «сверху вниз», привел к созданию громоздких неуклюжих роботов, которым требовалось несколько часов, чтобы научиться ориентироваться в специальной комнате, где находились только объекты с прямыми сторонами (прямоугольники и треугольники). Стоило поставить в комнату мебель неправильной формы, и робот был уже не в состоянии распознать ее. (Забавно, но плодовая мушка, мозг которой содержит всего лишь около 250 000 нейронов и которая по вычислительной мощи в подметки не годится любому роботу, без всякого труда ориентируется и передвигается в трех измерениях и исполняет фигуры высшего пилотажа; тем временем неуклюжие шумные роботы умудряются запутаться в двух измерениях.)

Вскоре подход «сверху вниз» как будто уткнулся в кирпичную стену: прогресс остановился. Стив Гранд, директор Института кибержизни, говорит, что у подобных подходов «было 50 лет, чтобы доказать свою состоятельность, и они не оправдали ожиданий».

В 1960-х гг. ученые еще не понимали, какую громадную работу нужно проделать, чтобы запрограммировать робота на выполнение даже самых простых задач, таких, например, как распознавание ключей, ботинок и чайных чашек. Как сказал Родни Брукс из MIT, «40 лет назад Лаборатория искусственного интеллекта MIT дала эту задачу студенту в качестве летнего задания. Студент потерпел неудачу - как и я в своей докторской диссертации 1981 г.». Вообще говоря, исследователи искусственного интеллекта до сих пор не могут решить эту задачу.

Рассмотрим пример. Входя в комнату, мы мгновенно распознаем пол, кресла, мебель, столы и т.п. При этом робот, осматривая комнату, видит в ней только набор линий, прямых и изогнутых, которые он переводит в пиксели изображения. И требуются громадные вычислительные мощности, чтобы извлечь из этой мешанины линий какой-то смысл. Нам достаточно доли секунды, чтобы узнать стол, но компьютер видит на месте стола только набор кругов, овалов, спиралей, прямых и кривых линий, углов и т. п. Может быть, затратив громадное количество компьютерного времени, робот в конце концов и распознает в этом объекте стол. Но если вы повернете изображение, ему придется начинать все сначала. Другими словами, робот способен видеть, причем гораздо лучше, чем человек, но он не способен понимать увиденное. Войдя в комнату, робот увидит только мешанину прямых и кривых линий, а не кресла, столы и лампы.

Когда мы входим в комнату, наш мозг неосознанно распознает объекты, производя при этом многие триллионы операций, - занятие, которого мы, к счастью, просто не замечаем. Причина того, что значительная часть действий мозга скрыта даже от нас самих, - эволюция. Представим себе человека, на которого в темном лесу напал саблезубый тигр; если он будет сознательно производить действия, необходимые для распознавания опасности и поиска путей к спасению, он просто не успеет сдвинуться с места. Для выживания нам надо знать одно - как бежать. Когда мы жили в джунглях, нам просто не было нужды сознавать все входящие и выходящие сигналы, с которыми имеет дело мозг при распознавании земли, неба, деревьев, скал и т. п.

Другими словами, действия нашего мозга напоминают огромный айсберг. То, что мы осознаем, лишь верхушка айсберга, сознание. Но под видимой поверхностью, скрытое от глаз, присутствует гораздо более объемное подсознание; оно задействует громадное количество «вычислительной мощи» мозга для того, чтобы мы постоянно были в курсе простых вещей: где мы, с кем разговариваем, что находится вокруг. Все эти действия мозг проделывает автоматически, не спрашивая нашего позволения и не отчитываясь о них; мы просто не замечаем этой работы.

Именно поэтому роботы не могут свободно ориентироваться в комнате, читать рукописный текст, водить машины, собирать мусор и т. п. На тщетные попытки создать механических солдат и умные грузовики американские военные потратили сотни миллионов долларов.

Только после этого ученые начали понимать, что игра в шахматы или перемножение громадных чисел задействует лишь крохотную долю человеческого разума. Победа в 1997 г. компьютера Deep Blue фирмы IBM над чемпионом мира по шахматам Гарри Каспаровым стала победой чисто компьютерной, т.е. вычислительной, мощи; однако, несмотря на громкие заголовки газет, этот эксперимент не сообщил нам ничего нового ни о разуме, ни о сознании. Дуглас Хофштадтер, ученый-компьютерщик из Индианского университета, сказал по этому поводу: «Боже мой, я-то считал, что для игры в шахматы нужно думать. Теперь я понимаю, что не нужно. Это не означает, что Каспаров не умеет глубоко размышлять; это означает только, что при игре в шахматы можно обойтись и без глубоких мыслей, точно так же, как можно летать, не взмахивая крыльями».

(Развитие компьютеров в будущем очень сильно скажется на рынке труда. Футурологи иногда заявляют, что через несколько десятилетий без работы не останутся только высококвалифицированные специалисты по устройству, производству и обслуживанию компьютеров. На самом деле это не так. Такие работники, как мусорщики, строители, пожарные, полицейские и т. п., тоже не останутся в будущем без работы, поскольку их труд включает в себя задачу распознавания образов. Каждое преступление, каждый кусок мусора, каждый инструмент и пожар отличаются от остальных; роботы с такой работой не справятся. По иронии судьбы работники со специальным образованием, такие как рядовые бухгалтеры, брокеры и кассиры, в будущем действительно могут лишиться работы - ведь их труд почти полностью состоит из повторяющихся действий и включает в себя работу с числами, а мы уже знаем, что именно с этим компьютеры справляются лучше всего.)

Вторая - после распознавания образов - проблема, с которой сталкиваются попытки создания роботов, еще более фундаментальна. Это отсутствие у роботов так называемого «здравого смысла», К примеру, каждый человек знает, что:

Вода мокрая.

Мать всегда старше дочери.

Животные не любят боли.

После смерти никто не возвращается.

Веревка может тянуть, но не может толкать.

Палка может толкать, но не может тянуть.

Время не может идти задом наперед.

Но не существует такого исчисления, такой математики, которая могла бы выразить смысл этих высказываний. Мы знаем все это, потому что видели в жизни животных, воду и веревку и сами додумались до этих истин. Дети учатся здравому смыслу на ошибках, при неизбежных столкновениях с действительностью. Эмпирические законы биологии и физики также познаются на опыте - в процессе взаимодействия с окружающим миром. Но у роботов нет опыта такого рода. Они знают только то, что заложили в них программисты.

(В результате в будущем никто не отнимет у человека профессии, требующие здравого смысла, т. е. области деятельности, связанные с творчеством, оригинальностью, талантом, юмором, развлечениями, анализом и лидерством. Именно эти качества делают нас уникальными, именно их так трудно воспроизвести в компьютере. Именно они делают нас людьми.)

В прошлом математики неоднократно пытались соорудить волшебную программу, которая сосредоточила бы в себе раз и навсегда все законы здравого смысла. Самый амбициозный проект такого рода - CYC (сокращение от «энциклопедия»), детище Дугласа Лената, главы компании Сусогр. Подобно тому как в результате реализации Манхэттенского проекта - программы стоимостью 2 млрд долл. - была создана атомная бомба, проект CYC должен был стать «Манхэттенским проектом» искусственного интеллекта, последним толчком, в результате которого должен был появиться подлинный искусственный интеллект.

Не удивительно, что девиз Лената звучит гак: «Разум - это десять миллионов правил». (Ленат придумал новый способ отыскания законов здравого смысла; его сотрудники тщательно прочесывают страницы скандальных и сенсационных газетенок, после чего просят CYC найти в статьях ошибки. В самом деле, если Ленату удастся-таки этого добиться, CYC станет разумнее большинства читателей желтой прессы!)

Одна из задач проекта CYC - достичь «точки равенства», т.е. такого момента, когда робот будет понимать достаточно, чтобы самостоятельно переваривать новую информацию и черпать ее непосредственно из журналов и газет, которые найдутся в любой библиотеке. В этот момент CYC, как птенец, вылетевший из гнезда, сможет расправить крылья и обрести самостоятельность.

К сожалению, с момента основания фирмы в 1984 г. ее репутация сильно пострадала от общей для ИИ проблемы: ее представители делают громкие, но совершенно нереалистичные предсказания, которые только привлекают газетчиков. В частности, Ленат предсказывал, что через десять лет - к 1994 г. - в «мозгах» CYC будет содержаться уже от 30 до 50% «общеизвестной реальности». Но сегодня CYC и близко не подошел к этому показателю. Как выяснили ученые корпорации, необходимо написать многие миллионы строк программного кода, чтобы компьютер смог хотя бы приблизиться к уровню здравого смысла четырехлетнего ребенка. Пока программа CYC содержит жалкие 47 000 понятий и 306 000 фактов. Несмотря на стабильно оптимистичные пресс-релизы корпорации, газеты процитировали одного из сотрудников Лената Р.В. Гуха, покинувшего команду в 1994 г.: «CYC обычно считают неудачей... Мы вкалывали как проклятые, пытаясь создать бледную тень того, что было первоначально обещано».

Другими словами, попытки запрограммировать все законы здравого смысла и загнать их в один компьютер провалились просто потому, что у здравого смысла слишком много законов. Человек осваивает их без усилий - ведь он с самого рождения постоянно сталкивается с действительностью, постепенно впитывая в себя законы физики и биологии. С роботами все иначе.

"Основатель фирмы Microsoft Билл Гейтс признает: «Оказалось гораздо труднее, чем предполагалось, научить компьютеры и роботов воспринимать окружающее и реагировать на него быстро и точно... к примеру, ориентироваться в комнате по отношению к находящимся в ней предметам, отзываться на звук и понимать речь, брать разные по размерам, материалу и хрупкости предметы. Роботу чертовски трудно проделать даже такую простую вещь, как отличить открытую дверь от окна».

Однако сторонники подхода «сверху вниз» указывают, что прогресс в этой области, хотя и не такой быстрый, как хотелось бы, все же наблюдается. В лабораториях всего мира преодолеваются все новые рубежи. К примеру, несколько лет назад агентство DARPA, которое часто берет на себя финансирование самых передовых технических проектов, объявило приз в 2 млн долл. за создание автоматического транспортного средства, способного самостоятельноj без водителя, преодолеть сильно пересеченный рельеф пустыни Мохаве. В 2004 г. ни один из участников заезда не смог пройти маршрут. Лучшая машина сумела пройти 11,9 км, после чего вышла из строя. Но уже в 2005 г. машина без водителя, представленная группой Stanford Racing Team, успешно преодолела тяжелый маршрут протяженностью 212 км, хотя ей и потребовалось на это семь часов. Кроме победителя к финишу гонки пришли еще четыре машины. [Правда, критики отмечают, что правила позволяют машинам использовать системы спутниковой навигации на долгом пути в пустыне. В результате машина едет по заранее выбранному маршруту без особенных осложнений; это значит, что ей не приходится распознавать в пути сложные образы препятствий. В реальной жизни водитель должен учитывать множество непредсказуемых обстоятельств: движение других машин, пешеходов, ремонтные работы, дорожные пробки и т. п.)

Билл Гейтс с осторожным оптимизмом говорит, что роботы-машины могут стать «следующим большим скачком». Он сравнивает сегодняшнюю робототехнику с персональными компьютерами, которыми он занялся 30 лет назад. Очень может быть, что роботы сегодня, как персональные компьютеры тогда, уже готовы к стремительному старту. «Никто не может определенно сказать, когда эта индустрия наберет критическую массу, - пишет он. - Но если это произойдет, то роботы, возможно, изменят мир».

(Рынок человекоподобных разумных роботов, если они когда-нибудь появятся и станут коммерчески доступными, будет огромен. Хотя сегодня настоящих роботов нет, роботы с жесткой программой не только существуют, но быстро распространяются. По оценке Международной федерации робототехники, в 2004 г. существовало около 2 млн таких роботов, а к 2008 г. их появится еще 7 млн. Японская Ассоциация роботов предсказывает, что если сегодня оборот промышленности, занятой выпуском персональных роботов, составляет 5 млрд долл. в год, то к 2025 г. он достигнет 50 млрд долл.)

Подход «снизу вверх»

Ограниченность подхода «сверху вниз» к созданию искусственного интеллекта очевидна, поэтому с самого начала ученые исследуют и другой подход - «снизу вверх». Суть этого подхода заключается в том, чтобы, подражая эволюции, заставить робота учиться на собственном опыте, как учится младенец. Ведь насекомые, скажем, руководствуются при движении не тем, что сканируют картинку окружающего мира, разбивают ее на триллионы пикселей и обрабатывают полученное изображение при помощи суперкомпьютеров. Нет, мозг насекомого состоит из «нейронных сетей» - самообучающихся машин, которые медленно, натыкаясь на препятствия, осваивают искусство правильно передвигаться во враждебном мире. Известно, что в MIT с огромным трудом удалось создать шагающих роботов методом «сверху вниз». Зато простые механические существа вроде жуков, накапливающие опыт и информацию методом проб и ошибок (т.е. утыкаясь в препятствия), уже через несколько минут начинают успешно носиться по комнате.

Родни Брукс, директор прославленной Лаборатории искусственного интеллекта МГТ, знаменитой своими большими и неуклюжими шагающими роботами типа «сверху вниз», сам превратился в еретика, когда начал изучать идею крошечных «насекомоподобных» роботов, которые учатся ходить старым испытанным методом: спотыкаясь, падая, натыкаясь на всевозможные предметы. Вместо того чтобы использовать сложные компьютерные программы и математически вычислять при ходьбе точное положение каждой ноги в каждый момент времени, его «насекоботы» действуют методом проб и ошибок и обходятся небольшими вычислительными мощностями. Сегодня «потомки» крошечных роботов Брукса собирают на Марсе данные для NASA; они преодолевают километры унылых марсианских ландшафтов по собственному разумению. Брукс считает, что насекоботы идеально подходят для исследования Солнечной системы.

Одним из новых проектов Брукса стал COG - попытка создать механического робота с разумом шестимесячного младенца. Внешне робот представляет собой мешанину проводов, электрических цепей и приводов, но снабжен головой, глазами и руками. В нем нет программы, определяющей какие бы то ни было законы разума. Вместо этого робота научили фокусировать глаза и следить за человеком-тренером; который пытается научить робота простым навыкам. (Одна из сотрудниц, забеременев, заключила пари о том, кто сделает большие успехи к возрасту двух лет: COG или ее будущий ребенок. Ребенок намного обогнал «соперника».)

Несмотря на успешное подражание поведению насекомых, роботы с нейронными сетями выглядят довольно жалко, когда создатели пытаются заставить их подражать поведению высших организмов, таких как млекопитающие. Самый продвинутый робот с нейронными сетями способен ходить по комнате или плавать в воде, но не может прыгать и охотиться, как собака в лесу, или исследовать комнату, как крыса. Крупные роботы на нейронных сетях содержат десятки, максимум сотни «нейронов»; при этом человеческий мозг насчитывает более 100 млрд нейронов. Нервная система очень простого червя Caenorhabditis elegans, полностью изученная биологами и нанесенная на карту, состоит из 300 с небольшим нейронов; вероятно, это одна из простейших нервных систем в природе. Но и в этой системе между нейронами наблюдается более 7000 связей-синапсов. Как бы ни был примитивен С. elegans, его нервная система настолько сложна, что никому еще не удалось создать компьютерную модель такого мозга. (В 1988 г. один компьютерный эксперт предсказал, что к настоящему моменту у нас будут роботы примерно со 100 млн искусственных нейронов. На самом же деле нейронная сеть из ста нейронов уже считается выдающейся.)

Ирония ситуации заключается в том, что машины неустанно выполняют задания, которые людям кажутся «трудными», скажем перемножают большие числа или играют в шахматы, но застревают на совершенно «простых» для человека заданиях, таких как походить по комнате, узнать кого-то по лицу или посплетничать с приятелем. Причина в том, что даже самые продвинутые наши компьютеры в основе своей всего лишь усложненные до предела счетные машинки. А наш мозг эволюция сформировала таким образом, чтобы он мог решать глобальную задачу выживания. Для этого необходима сложная и хорошо организованная структура мышления, включающая в себя здравый смысл и распознавание образов. Сложные вычисления или шахматы не нужны для выживания в лесу-зато там не обойтись без умения удрать от хищника, найти себе пару и приспособиться к меняющимся условиям.

Вот как обобщил проблемы ИИ Марвин Мински из MIT, один из основателей науки об искусственном интеллекте: «История ИИ в чем-то забавна - ведь первыми реальными достижениями в этой области были красивые машинки, способные к логическим доказательствам и сложнейшим вычислениям. Но затем мы захотели сделать машину, которая умела бы отвечать на вопросы по простым рассказам, какие можно найти в книжке для первоклассников. На сегодняшний день не существует машины, способной на это».

Некоторые ученые считают, что когда-нибудь два подхода - «сверху вниз» и «снизу вверх» - сольются воедино, и такое слияние может стать ключом к созданию настоящего искусственного интеллекта и человекоподобных роботов. В конце концов, когда ребенок учится, он пользуется обоими методами: сначала маленький человек полагается в основном на методику «снизу вверх» - он натыкается на предметы, ощупывает их, пробует на вкус и т. п.; но затем он начинает получать словесные уроки от родителей и учителей, из книг - в этот момент приходит время для подхода «сверху вниз». Даже будучи взрослыми, мы постоянно смешиваем оба подхода. К примеру, повар читает рецепт, но не забывает и пробовать блюдо, которое готовит.

Ганс Моравек говорит: «Полностью разумные машины появятся не раньше, чем будет забит золотой костыль, который соединит оба пути». Он считает, что произойдет это, вероятно, в ближайшие 40 лет.

Краткая история искусственного интеллекта

Основные направления исследований в области искусственного интеллекта

Представление знаний и вывод на знаниях

Нечеткие знания

Прикладные интеллектуальные системы

1.1. Краткая история искусственного интеллекта

1.1.1. Предыстория

Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в древнем Египте была создана «оживающая» механическая статуя бога Амона. У Гомера в «Илиаде» бог Гефест ковал человекоподобные существа-автоматы. В литературе эта идея обыгрывалась многократно: от Галатеи Пигмалиона до Буратино папы Карло. Однако родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать механическую машину для решения различных задач, на основе разработанной им всеобщей классификации понятий. В ХУШ веке Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта. Окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века. В это же время Норберт Винер создал свои основополагающие работы по новой науке - кибернетике.

Термин «искусственный интеллект» - ИИ - (AI - artificial intelligence) был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмутском колледже (США). Семинар был посвящен разработке методов решения логических, а не вычислительных задач. В английском языке данное словосочетание 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 термин intellect.

Вскоре после признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и «кибернетика черного ящика». Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии. И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое.

Можно считать, что история искусственного интеллекта начинается с момента создания первых ЭВМ в 40-х г.г. С появлением электронных вычислительных машин, обладающих высокой (по меркам того времени) производительностью, стали возникать первые вопросы в области искусственного интеллекта: возможно ли создать машину, интеллектуальные возможности которой были бы тождественны интеллектуальным возможностям человека (или даже превосходили возможности человека).

Следующим этапом в истории искусственного интеллекта являются 50-е годы, когда исследователи пытались строить разумные машины, имитируя мозг. Эти попытки оказались безуспешными по причине полной непригодности, как аппаратных, так и программных средств. В 1956 г. состоялся семинар в Стэнфордском университете (США), где был впервые предложен термин искусственный интеллект – artificial intelligence .

60-е года в истории искусственного интеллекта отметились попытками отыскать общие методы решения широкого класса задач, моделируя сложный процесс мышления. Разработка универсальных программ оказалась слишком трудным и бесплодным делом. Чем шире класс задач, которые может решать одна программа, тем беднее оказываются ее возможности при решении конкретной проблемы. В этот период началось зарождение эвристического программирования.

Эвристика - правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска.

Эвристическое программирование – разработка стратегии действий по аналогии или прецедентам. В целом, 50-60 г.г. в истории искусственного интеллекта можно отметить как время поиска универсального алгоритма мышления.

Существенный прорыв в практических приложениях искусственного интеллекта произошел в 70-х гг., когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Пришел новый подход к решению задач искусственного интеллекта – представление знаний. Созданы «MYCIN» и «DENDRAL» – ставшие уже классическими экспертные системы для медицины и химии. Обе эти системы в определенном смысле можно назвать диагностическими, поскольку в первом случае («MYCIN») по ряду симптомов (признаков патологии организма) определяется болезнь (ставится диагноз), во втором – по ряду свойств определяется химическое соединение. В принципе, этот этап в истории искусственного интеллекта можно назвать рождением экспертных систем.

Следующий значимый период в истории искусственного интеллекта – это 80-е года. На этом отрезке искусственный интеллект пережил второе рождение. Были широко осознаны его большие потенциальные возможности, как в исследованиях, так и в развитии производства. В рамках новой технологии появились первые коммерческие программные продукты. В это время стала развиваться область машинного обучения. До этих пор перенесение знаний специалиста-эксперта в машинную программу было утомительной и долгой процедурой. Создание систем, автоматически улучшающих и расширяющих свой запас эвристических (не формальных, основанных на интуитивных соображениях) правил – важнейший этап в последние годы. В начале десятилетия в различных странах были начаты крупнейшие в истории обработки данных, национальные и международные исследовательские проекты, нацеленные на «интеллектуальные вычислительные системы пятого поколения».

Сегодняшнее состояние исследований в этой области можно охарактеризовать словами одного из известных специалистов в области искусственного интеллекта, профессора Н.Г. Загоруйко:

«Дискуссии на тему «Может ли машина мыслить?» уже давно сошли со страниц газет и журналов. Скептики устали ждать, когда же сбудутся обещания энтузиастов. А энтузиасты без лишних разговоров, небольшими шагами продолжают двигаться в направлении горизонта, за которым они надеются увидеть искусственного собрата по разуму».

Как научное направление представляет собой наглядный пример интеграции различных научных областей. Специалисты в естественно-научных областях и вычислительных науках изучают свойства и функционирование живых систем, пользуясь сходными методами.

В целом, искусственный интеллект – это самостоятельная область научных исследований, которая сформировалась в результате достижений в математике и логике и основана на накопленных человечеством знаниях о живой и неживой природе.

Древность

Как таковая устойчивая область научных знаний об искусственном интеллекта сформировалась в середине XX века, однако попытки в этом направлении делались ещё и в глубокой древности, и в средние века.

Еще древние египтяне и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества. Разумеется, делалось это с непосредственной помощью жрецов.

Средневековье

В средние века в понятие искусственного интеллекта вкладывали задачи создания механической человекоподобной мыслящей машины, способной, возможно, превзойти его по интеллекту. В это время, в частности, говорили о гомункулах – маленьких искусственных человечках, способных воспринимать информацию окружающего мира.

XVIII век

В XVIII веке благодаря развитию техники и, в особенности, часовых механизмов интерес к подобным изобретениям вырос ещё сильнее. В середине 1750-х годов австрийский изобретатель Фридрих фон Кнаус, служивший при дворе Франциска I, сконструировал серию машин, умевших писать пером довольно длинные тексты.

XIX век

Достижения в механике XIX века способствовали новому толчку изобретений в направлении к современному пониманию искусственного интеллекта. В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложного цифрового калькулятора – аналитической машины, которая, как утверждал разработчик, могла бы рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из испанских технических институтов Леонардо Торрес Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти также хорошо, как и человек.

XX век

С середины 30-х годов прошлого столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные задачи, к проблеме искусственного интеллекта стали относиться внимательно в мировом научном сообществе. Тьюринг предложил считать интеллектуальной такую машину, которую испытатель в процессе общения с ней не сможет отличить от человека.

В 1954 году американский исследователь Ньюэлл решил написать программу для игры в шахматы. К работе были привлечены аналитики корпорации RAND Corporation. В качестве теоретической основы программы был использован метод, предложенный основателем теории информации Шенноном, а его точная формализация была выполнена Тьюрингом. К работе также была привлечена группа голландских психологов под руководством Де Гроота, изучавших стили игры выдающихся шахматистов. Через два года совместной работы этим коллективом был создан язык программирования ИПЛ1 – первый символьный язык обработки списков, а вскоре была написана первая программа, которую можно отнести к достижениям в области искусственного интеллекта. Это была программа «Логик-Теоретик», предназначенная для автоматического доказательства теорем в исчислении высказываний. Собственно же программа для игры в шахматы была завершена в 1957 году. В её основе лежали так называемые эвристики – правила, позволяющие сделать выбор при отсутствии точных теоретических оснований, и описания конечных целей.

Одним из наиболее важных признаков интеллектуальности служит способность к обучению. Так, в 1961 году один из ведущих английских специалистов по искусственному интеллекту профессор Мичи, описал механизм, состоящий из 300 спичечных коробков, который мог научиться играть в «крестики-нолики». Однако делать вывод об интеллектуальности и тем более говорить об искусственном интеллекте, основываясь только на одном единственном признаке, явно недостаточно.

В 1956 году в США собрались основатели кибернетики с целью обсудить возможности реализации проекта «Искусственный интеллект». В числе участников конференции были Маккарти, Минский, Шеннон, Тьюринг и другие. Первоначально к данному понятию отнесли свойства машин брать на себя отдельные функции человека, например, перевод с одного языка на другой, распознавание объектов, принятие оптимальных решений.

В нашей стране направление «Искусственный интеллект» возникло с опозданием примерно на 10 лет и пришло на смену кибернетическому и бионическому буму первой половины 60-х годов XX века.

Практически с самого начала учёные, занимавшиеся этим новым направлением научных знаний, предположили, что к конструктивному определению и моделированию мышления полезно идти от специфики задач, вводя искусственный интеллект как механизм, необходимый для их решения. Таким образом, искусственный интеллект в современном понимании – это совокупность методов и инструментов решения различных сложных прикладных задач, использующих принципы и подходы, аналогичные размышляющему над их решением человеку или процессам, протекающим в живой или неживой природе.

Тем не менее, даже в настоящее время единого и признанного всеми определения искусственного интеллекта не существует. И это не удивительно. Достаточно вспомнить, что универсального определения человеческого интеллекта также нет.

На сегодняшний день исследования в области искусственного интеллекта ведутся по различным направлениям: представление знаний, моделирование рассуждений, приобретение знаний, машинное обучение и автоматическое порождение гипотез, интеллектуальный анализ данных и обработка образной информации, поддержка принятия решений, управление процессами и системами, динамические интеллектуальные системы, планирование и т.д.

Ниже перечислены наиболее активно развиваемые подходы и методы искусственного интеллекта:

• искусственные нейронные сети ;
• эволюционные вычисления;
• нечёткая логика и теория нечётких множеств;
• экспертные системы;
• клеточные автоматы;
• многоагентные системы.

Лекция 1

Введение. Понятие информационной системы и технологии, интеллектуальной информационной системы (ИИС). Исторические аспекты развития методов представления и обработки сигналов, методов построения систем обработки сигналов, их интеллектуализации. Отличие ИИС от традиционных информационных систем. Виды и характеристики интеллектуальных систем. Понятие и виды интеллектуального управления. Подходы к построению интеллектуальных информационных систем. Основные классы ИИС. Отличительные признаки каждого класса.

В современном мире рост производительности программиста практически достигается только в тех случаях, когда часть интеллектуальной нагрузки берут на себя компьютеры. Одним из способов достигнуть максимального прогресса в этой области является "искусственный интеллект", когда компьютер не только берет на себя однотипные, многократно повторяющиеся операции, но и сам может обучаться. Кроме того, создание полноценного "искусственного интеллекта" открывает перед человечеством новые горизонты развития.

Прежде чем начать рассмотрение вопросов построения работоспособных интеллектуальных информационных систем, обратимся к некоторым определениям и основным понятиям темы.

Информация – сведения об объектах, явлениях и событиях, процессах окружающего мира, передаваемые устным, письменным или иным способом и уменьшающие неопределенность знаний о них.

Информация должна быть достоверной, полной, адекватной, т.е. иметь определенный уровень соответствия, краткой, ясно и понятно выраженной, своевременной и ценной.

Система – совокупность элементов, объединенная связями между ними и обладающая определенной целостностью. Т.е., система – это совокупность взаимодействующих взаимосвязанных элементов, объединенных некоторой целью и общими (целенаправленными) правилами взаимоотношений.

Автоматические информационные системы выполняют все операции по переработке информации без участия человека.

Автоматизированные информационные системы предполагают участие в процессе обработки информации и человека, и технических средств, причем главная роль отводится компьютеру. В современном толковании в термин «информационная система» обязательно вкладывается понятие автоматизируемой системы. Следует различать понятия информационной системы и информационной технологии.

Информационная технология – приемы, способы и методы применения средств вычислительной техники при выполнении функций сбора, хранения, обработки и использования данных (по ГОСТ 34.003-90).

Информационная система – организационно упорядоченная совокупность документов и информационных технологий, в том числе и с использованием средств вычислительной техники и связи, реализующих информационные процессы.

Такое понимание информационной системы предполагает использование в качестве основного технического средства переработки информации ЭВМ и средств связи, реализующих информационные процессы и выдачу информации, необходимой в процессе принятия решений о задачах из любой области.

ИнфСист является средой, составляющими элементами которой являются компьютеры, компьютерные сети, программные продукты, БД, люди, различного рода технические и программные средства связи и т.д. Хотя сама идея ИС и некоторые принципы их организации возникли задолго до появления компьютеров, однако компьютеризация в десятки и сотни раз повысила эффективность ИС и расширила сферы их применения.

Под термином «система» понимается объект, который одновременно рассматривается и как единое целое, и как объединенная в интересах достижения поставленных целей совокупность взаимосвязанных разнородных элементов, работающих как единое целое. Системы значительно отличаются между собой как по составу, так и по главным целям. Это целое приобретает некоторое свойство, отсутствующее у элементов в отдельности.

Признаки системности описываются тремя принципами:

Внешней целостности – обособленность или относительная обособленность системы в окружающем мире;

Внутренней целостности – свойства системы зависят от свойств её элементов и взаимосвязей между ними. Нарушение этих взаимосвязей может привести к тому, что система не сможет выполнять свои функции;

Иерархичности – в системе можно выделить различные подсистемы, с другой стороны сама система тоже может являться подсистемой другой более крупной системы или подсистемы.

В информатике понятие "система" широко распространено и имеет множество смысловых значений. Чаще всего оно используется применительно к набору технических средств и программ. Системой может называться аппаратная часть компьютера. Системой может также считаться множество программ для решения конкретных прикладных задач, дополненных процедурами ведения документации и управления расчетами.

В зависимости от конкретной области применения ИС могут очень различаться по своим функциям, архитектуре, реализации. Можно выделить основные свойства, которые являются общими для всех ИС :

структура ИС, ее функциональное назначение должны соответствовать поставленным целям;

ИС использует сети для передачи данных;

так как любая ИС предназначена для сбора, хранения и обработки информации, то в основе любой ИС лежит среда хранения и доступа к данным. И поскольку задача ИС – производство достоверной, надежной, своевременной и систематизированной информации, основанной на использование БД, экспертных систем и баз знаний, то она должна обеспечивать требуемый уровень надежности хранения и эффективность доступа, которые соответствуют области применения ИС;

ИС должна контролироваться людьми, ими пониматься и использоваться в соответствии с основными принципами, реализованными в виде стандарта предприятия или иного стандарта на ИС. Интерфейс пользователя ИС должен быть легко понимаем на интуитивном уровне.

Основные задачи информационных систем и разработчиков ИС:

Поиск, обработка и хранение информации, которая долго накапливается и утрата которой невосполнима. Компьютеризованные ИС предназначены для более быстрой и надежной обработки информации, чтобы люди не тратили время, чтобы избежать свойственных человеку случайных ошибок, чтобы сэкономить расходы, чтобы сделать жизнь людей более комфортной;

Хранение данных разной структуры. Не существует развитой ИС, работающей с одним однородным файлом данных. Более того, разумным требованием к информационной системе является то, чтобы она могла развиваться. Могут появиться новые функции, для выполнения которых требуются дополнительные данные с новой структурой. При этом вся накопленная ранее информация должна остаться сохраненной. Теоретически можно решить эту задачу путем использования нескольких файлов внешней памяти, каждый из которых хранит данные с фиксированной структурой. В зависимости от способа организации используемой системы управления файлами эта структура может быть структурой записи файла или поддерживаться отдельной библиотечной функцией, написанной специально для данной ИС. Известны примеры реально функционирующих ИС, в которых хранилище данных планировалось основывать на файлах. В результате развития большинства таких систем в них выделился отдельный компонент, который представляет собой разновидность системы управления базами данных (СУБД);

Анализ и прогнозирование потоков информации различных видов и типов, перемещающихся в обществе. Изучаются потоки с целью их минимизации, стандартизации и приспособления для эффективной обработки на вычислительных машинах, а также особенности потоков информации, протекающей через различные каналы распространения информации;

Исследование способов представления и хранения информации, создание специальных языков для формального описания информации различной природы, разработка специальных приемов сжатия и кодирования информации, аннотирования объемных документов и реферирования их. В рамках этого направления развиваются работы по созданию банков данных большого объема, хранящих информацию из различных областей знаний в форме, доступной для вычислительных машин;

Построение процедур и технических средств для их реализации, с помощью которых можно автоматизировать процесс извлечения информации из документов, не предназначенных для вычислительных машин, а ориентированных на восприятие их человеком;

Создание информационно-поисковых систем, способных воспринимать запросы к информационным хранилищам, сформулированные на естественном языке, а также специальных языках запросов для систем такого типа;

Создание сетей хранения, обработки и передачи информации, в состав которых входят информационные банки данных, терминалы, обрабатывающие центры и средства связи.

Конкретные задачи, которые должны решаться информационной системой, зависят от той прикладной области, для которой предназначена система. Области применения информационных приложений разнообразны: банковское дело, управление производством, медицина, транспорт, образование и т.д. Введем понятие «предметная область» - фрагмент, выделенный из окружающего мира, называется областью экспертизы или предметной областью . Существует также множество задач и проблем, которые необходимо решать, используя сущности и отношения из этой предметной области, поэтому используется более широкое понятие - проблемная среда – это предметная область + решаемые задачи.

С двумя типами информационных систем мы будем знакомиться поближе. Это экспертные и интеллектуальные системы.

Экспертные системы (Expert System) – информационные консультирующие и\или принимающие решения системы, основанные на структурированных, часто плохо формализуемых процедурах, использующих опыт, интуицию, т.е. поддерживающие или моделирующие работу экспертов интеллектуальные особенности; системы используются как в долгосрочном, так и в краткосрочном оперативном прогнозировании, управлении.

Интеллектуальные системы или системы, основанные на знаниях (Knowleadge Based System) - системы поддержки задач принятия решения в сложных системах, где необходимо использование знаний в достаточно широком диапазоне, особенно в плохо формализуемых и плохо структурируемых системах, нечетких системах и при нечетких критериях принятия решения; эти системы наиболее эффективны и используемы для сведения проблем долгосрочного, стратегического управления к проблемам тактического и краткосрочного характера, повышения управляемости, особенно в условиях многокритериальности. В отличие от экспертных систем, в системах, основанных на знаниях, следует чаще избегать экспертных и эвристических процедур и прибегать к когнитивным процедурам для минимизации риска. Здесь более существенно влияние профессионализма персонала, ибо при разработке таких систем необходимо сотрудничество и взаимопонимание не только разработчиков, но и пользователей, менеджеров, а сам процесс разработки, как правило, происходит итерационно, итерационными улучшениями, постепенным преобразованием (переходом) процедурных знаний (как делать) в непроцедурные, декларативные (что делать).

Рассмотрим теперь вопрос интеллектуальности информационных систем.

Термининтеллект (intelligence) происходит от латинского intellectus, что означает "ум, рассудок, разум; мыслительные способности человека". Соответственноискусственный интеллект (artificial intelligence) - ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий. Можно сказать, чтоинтеллект - это способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразованиязнаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Сам термин «искусственный интеллект» (artificial intelligence) был предложен в 1956 году на семинаре в Дартсмутском колледже (США). Слово intelligence, собственно, и означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть термин intellect.

В 1950 году британский математик Алан Тьюринг опубликовал в журнале «Mind» свою работу «Вычислительная машина и интеллект», в которой описал тест для проверки программы на интеллектуальность. Он предложил поместить исследователя и программу в разные комнаты и до тех пор, пока исследователь не определит, кто за стеной - человек или программа, считать поведение программы разумным. Это было одно из первых определений интеллектуальности, то есть А. Тьюринг предложил называть интеллектуальным такое поведение программы, которое будет моделировать разумное поведение человека. С тех пор появилось много определений интеллектуальных систем (ИнС) и искусственного интеллекта (ИИ). Приведем некоторые из этих определений. 1. ИИ определяется как область компьютерных наук, занимающуюся исследованием и автоматизацией разумного поведения. 2. другое определение: «ИИ - это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка». 3. ИС – это адаптивная система , позволяющую строить программы целесообразной деятельности по решению поставленных перед ними задач на основании конкретной ситуации, складывающейся на данный момент в окружающей их среде. При этом адаптивная система определяется как система, которая сохраняет работоспособность при непредвиденных изменениях свойств управляемого объекта, целей управления или окружающей среды путем смены алгоритма функционирования, программы поведения или поиска оптимальных, в некоторых случаях просто эффективных, решений и состояний. Традиционно, по способу адаптации различают самонастраивающиеся, самообучающиеся и самоорганизующиеся системы.

Итак, применяя интеллектуальные системы, человек решает интеллектуальные задачи. Для определения отличия просто задачи от интеллектуальной задачи необходимо ввести понятие алгоритма. Под алгоритмом понимают точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин "алгоритм" происходит от имени узбекского математика Аль-Хорезми, который еще в IX веке предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Отыскание алгоритма для задач некоторого данного типа связано с тонкими и сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Принято считать, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с отысканием алгоритма решения класса задач определенного типа, будем называть интеллектуальными. Т.е. интеллектуальные задачи – это сложные плохо формализуемые задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний.

Разные исследователи по-разному определяют искусственный интеллект как науку, в зависимости от своего взгляда на нее, и работают над созданием систем, которые:

думают подобно людям;

думают рационально;

действуют подобно людям;

действуют рационально.

При воссоздании разумных рассуждений и действий возникают определенные трудности. Во-первых, в большинстве случаев, выполняя какие-то действия, человек не осознает, как это делает, не известен точный способ, метод или алгоритм понимания текста, распознавания лиц, доказательства теорем, решения задач, сочинения стихов и т.д. Во-вторых, на современном уровне развития компьютер слишком далек от человеческого уровня компетентности и работает по другим принципам.

Искусственный интеллект всегда был междисциплинарной наукой, являясь одновременно и наукой и искусством, и техникой и психологией. Методы искусственного интеллекта разнообразны. Они активно заимствуются из других наук, адаптируются и изменяются под решаемую задачу. Для создания интеллектуальной системы необходимо привлекать специалистов из прикладной области, поэтому в рамках искусственного интеллекта сотрудничают лингвисты, нейрофизиологи, психологи, экономисты, информатики, программисты и т.д.

История развития искусственного интеллекта

Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в Древнем Египте была создана «оживающая» механическая статуя бога Амона. У Гомера в «Илиаде» бог Гефест ковал человекоподобных существ.

Искусственный интеллект является в некотором смысле наукой будущего, в которой нет жесткого разделения по областям и ясно видна связь между отдельными дисциплинами, которые лишь отражают определенную грань познания.

Точный свод законов, руководящих рациональной частью мышления, был сформулирован Аристотелем (384-322 гг. до н.э.). Однако родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать механическую машину для решения различных задач на основе разработанной им всеобщей классификации понятий. В XVIII веке Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Труды этих ученых можно считать первыми теоретическими работами в области искусственного интеллекта. Теория игр и теория принятия решений, данные о строении мозга, когнитивная психология – все это стало строительным материалом для искусственного интеллекта. Но окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века и выпуска Норбертом Винером основополагающих работ по новой науке – кибернетике.

Формирование искусственного интеллекта как науки произошло в1956 году. Д. Маккарти, М. Минский, К. Шеннон и Н. Рочестер организовали двухмесячный семинар в Дартмуте для американских исследователей, занимающихся теорией автоматов, нейронными сетями, интеллектом. Хотя исследования в этой области уже активно велись, но именно на этом семинаре появились термин и отдельная наука – искусственный интеллект.

Одним из основателей теории искусственного интеллекта считается известный английский ученый Алан Тьюринг, который в 1950 году опубликовал статью «Вычислительные машины и разум» (переведенную на русский язык под названием «Может ли машина мыслить?»). Именно в ней описывался ставший классическим «тест Тьюринга», позволяющий оценить «интеллектуальность» компьютера по его способности к осмысленному диалогу с человеком.

Первые десятилетия развития искусственного интеллекта (1952- 1969 гг.)были полны успехов и энтузиазма. А. Ньюэлл, Дж. Шоу и Г. Саймон создали программу для игры в шахматы на основе метода, предложенного в 1950 году К. Шенноном, формализованного А. Тьюрингом и промоделированного им же вручную. К работе была привлечена группа голландских психологов под руководством А. де Гроота, изучавших стили игры выдающихся шахматистов. В 1956 году этим коллективом был создан язык программирования ИПЛ1 – практически первый символьный язык обработки списков и написана первая программа «Логик-Теоретик», предназначенная для автоматического доказательства теорем в исчислении высказываний. Эту программу можно отнести к первым достижениям в области искусственного интеллекта.

В 1960 году этой же группой была написана программа GPS (General Problem Solver) – универсальный решатель задач. Она могла решать ряд головоломок, вычислять неопределенные интегралы, решать некоторые другие задачи. Результаты привлекли внимание специалистов в области вычислений, и появились программы автоматического доказательства теорем из планиметрии и решения алгебраических задач.

С 1952 года А. Самюэл написал ряд программ для игры в шашки, которые играли на уровне хорошо подготовленного любителя, причем одна из них научилась играть лучше, чем ее создатель.

В 1958 году Д. Маккарти определил новый язык высокого уровня Lisp, который стал доминирующим для искусственного интеллекта.

Первые нейросети появились в конце 50-х годов. В 1957 году Ф. Розенблаттом была предпринята попытка создать систему, моделирующую человеческий глаз и его взаимодействие с мозгом, – персептрон.

Первая международная конференция по искусственному интеллекту (IJCAI) состоялась в 1969 году в Вашингтоне.

В 1963 году Д. Робинсон реализовал метод автоматического доказательства теорем, получивший название «принцип резолюции», и на основе этого метода в 1973 году был создан язык логического программирования Prolog.

В США появились первые коммерческие системы, основанные на знаниях, – экспертные системы. Происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения и интерес ксамообучающимся системам , создаются промышленные экспертные системы. Разрабатываются методы представления знаний.

Первая экспертная система была создана Э. Фейгенбаумом в 1965 году. Но до коммерческой прибыли было еще далеко. Лишь в 1986 году первая коммерческая система R1 компании DEC позволила сэкономить примерно 40 миллионов долларов за год. К 1988 году компанией DEC было развернуто 40 экспертных систем. В компании Du Pont применялось 100 систем, и экономия составляла примерно 10 миллионов в год.

В 1981 году Япония, в рамках 10-летнего плана по разработке интеллектуальных компьютеров на базе Prolog, приступила к разработке компьютера 5-го поколения, основанного на знаниях. 1986 год стал годом возрождения интереса к нейронным сетям.

В 1991 году Япония прекращает финансирование проекта компьютера 5-го поколения и начинает проект создания компьютера 6-го поколения – нейрокомпьютера.

В 1997 году компьютер «Дип Блю» победил в игре в шахматы чемпиона мира Г. Каспарова, доказав возможность того, что искусственный интеллект может сравняться с человеком или превзойти его в ряде интеллектуальных задач (пусть и в ограниченных условиях).

Огромную роль в борьбе за признание искусственного интеллекта в СССР сыграли академики А. И. Берг и Г. С. Поспелов.

В 1954-1964 гг. создаются отдельные программы и проводятся исследования в области поиска решения логических задач. Создается программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы. Она основана на оригинальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 60-е годы, следует отметить алгоритм «Кора» М. М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов. Большой вклад в становление российской школы искусственного интеллекта внесли выдающиеся ученые М. Л. Цетлин, В. Н. Пушкин, М. А. Гаврилов, чьи ученики и явились пионерами этой науки в России.

В 1964 году предлагался метод автоматического поиска доказательства теорем в исчислении предикатов, получивший название «обратный метод Маслова».

В 1965-1980 гг. произошло рождение нового направления – ситуационного управления (в западной терминологии соответствует представлению знаний). Основателем этой научной школы стал профессор Д. А. Поспелов.

В Московском государственном университете в 1968 году В. Ф. Турчиным был создан язык символьной обработки данных РЕФАЛ.