Искусственный интеллект: популярное введение для учителей и школьников

Этой статьей открывается серия публикаций, посвященных вопросам знакомства в школе с темой “Искусственный интеллект”.

Признаемся сразу, что цель публикаций — привлечение внимания читателей к новому учебно-методическому комплексу “Искусственный интеллект”, готовящемуся к выпуску издательством “БИНОМ” к осени 2009 года.

Учебно-методический комплекс включает учебник для школьников, пособие по преподаванию для учителей и лабораторный практикум.

Характерными особенностями учебно-методического комплекса являются:

1. Предельная ясность изложения материала, что делает его доступным для понимания и использования учителями и школьниками практически любого уровня.

2. Подробнейшая детализация учебного процесса с множеством советов и рекомендаций по проведению уроков и лабораторных работ.

3. Применение теоретических знаний для решения широкого круга практических задач.

Основная цель, которую преследуют авторы комплекса, — показать, что искусственный интеллект — это совсем не что-то фантастическое, а вполне конкретная и нужная дисциплина, что моделировать человеческий мозг — это совсем несложно, что это может делать каждый школьник, причем для решения реальных практических проблем, встречающихся в повседневной жизни:

— Какую профессию выбрать и куда пойти учиться?

— Сколько процентов билетов выучить, чтобы получить хорошую оценку за экзамен?

— Кого выбрать себе в спутники (спутницы) жизни, чтобы не ошибиться?

— Когда обратиться к родителям с просьбой, чтобы не получить отказ?

— Определить, правду ли говорит собеседник, или он лжет?

— Какая команда победит в спортивных состязаниях?

— Какие шаги следует предпринять, чтоб улучшить свои спортивные результаты?

— Каким завтра и в ближайшую неделю будет курс доллара?

— Кто победит на выборах, и как повлиять на их результат?

— И многое, многое другое.

Цель курса — научить школьников, как сделать из своего компьютера доброго советчика, помогающего принимать правильные решения, строить прогнозы развития различных событий и ситуаций.

Изучение предмета включает выполнение серии лабораторных работ. В основу лабораторных работ заложена идея азартной компьютерной игры так, что их выполнение обходится практически без вмешательства преподавателя или лаборанта. Между учащимися и компьютерами завязывается активный диалог, в ходе которого учащиеся последовательно осваивают одну идею искусственного интеллекта за другой, иногда наталкиваясь на “подводные камни” и попадая в “ловушки”, в которых порой оказывались ученые — создатели науки “Искусственный интеллект”. Такой способ освоения материала способствует глубокому проникновению в суть проблем и не позволит в будущем повторять вошедшие в историю заблуждения и ошибки.

В ходе выполнения лабораторных работ учащиеся осваивают специально созданный для них программный инструмент — симулятор нейронных сетей “Нейросимулятор”. С помощью этого инструмента они могут создавать любые структуры нейронных сетей, подбирать их параметры, обучать решению множества практических задач, например, в области медицины, политологии, социологии, спорта, туризма, криминалистики, педагогики, экономики, промышленности и др.

Школьникам также предоставляется возможность самим придумывать задачи и самим их решать методами искусственного интеллекта. Это задачи прогнозирования, диагностики, оптимизации, классификации и распознавания образов. В ходе выполнения самостоятельных (курсовых) работ школьники сами формулируют задачу, сами находят или подбирают обучающие примеры, создают, оптимизируют, обучают, тестируют нейронную сеть, создают на ее основе нейросетевую математическую модель предметной области, затем исследуют эту модель, получают полезные для практического применения результаты.

Здесь уместно привести выдержку из упомянутого учебника, подводящую итог изучению курса:

«Можно сказать, что человек, осваивающий методы искусственного интеллекта, поднимается на качественно новый уровень своего развития.

Можно сказать, что у него появляется дар предвидения.

Он может предсказывать будущие события.

И он знает, как повлиять на эти события.

Он знает, что нужно сделать, чтобы события разворачивались в нужном направлении.

Раньше таких людей называли волшебниками и колдунами.

Поэтому можно почти без преувеличения сказать, что изучаемый вами элективный курс учит вас искусству колдовства.

Изучив этот предмет, вы можете свободно пользоваться основными нейросетевыми технологиями и даже использовать их в своих личных целях. Как и каким образом? Это зависит от вашей собственной фантазии и от того, насколько глубоко вы поняли идеи и освоили методы искусственного интеллекта».

Однако, чтобы добиться этих высот, школьникам необходим теоретический материал, который в предлагаемом курсе изучается в хронологическом порядке так, что каждая новая идея появляется не на пустом месте, а как единственный выход из образовавшегося научного тупика.

Именно легендарному прошлому этой замечательной научной области посвящена первая глава учебника, которую мы публикуем в сегодняшнем номере газеты практически без сокращений. В дальнейшем мы планируем охватить весь материал курса, включая выполнение наиболее интересных лабораторных работ, с тем расчетом, чтобы заинтересовавшиеся читатели сами смогли овладеть обещанным выше “искусством колдовства”.

Прошлое и настоящее искусственного интеллекта

История искусственного интеллекта

Человек — это самый сложный из доступных для нашего восприятия объект, а способность мышления — его главное свойство. Искусственный интеллект — наука, поставившая своей целью изучение и моделирование главного свойства человека — мышления.

Какова природа мышления? Какие процессы происходят в нашем организме, когда мы думаем, чувствуем, видим, понимаем? Что есть творчество и можно ли его моделировать? Возможно ли в принципе понять, как работает наш мозг, и заставить мыслить неживую материю?

На протяжении тысячелетий человек задавался этими вечными вопросами.

История попыток создания искусственного подобия человеческого разума насчитывает более 700 лет. Первую попытку создания машины, моделирующей человеческий разум, связывают с именем испанского рыцаря, поэта, философа, богослова, алхимика, изобретателя Раймунда Луллия.

Рис. 1. Статуя Раймунда Луллия в Барселонском университете

Рис. 2. Один из кругов логической машины Р. Луллия

Представляет огромный интерес сама личность этого человека. Любимец короля, дуэлянт и повеса, как о нем пишут историки, рыцарь Раймунд Луллий вдруг отказывается от светских развлечений и идет в монастырь, чтобы стать мудрецом. Согласно легенде, его решение продиктовано благородной целью — постичь науки и с их помощью излечить от тяжелой болезни свою возлюбленную.

К сожалению, истории не известно, удалось ли Луллию достичь своей высокой цели. Известно только, что в возрасте 80 лет его насмерть забили камнями религиозные фанаты. Случилось это при неудачной попытке Луллия донести до них свои знания.

Р.Луллий родился в 1235-м и умер в 1315 году. В его времена ученые были заняты поиском неких универсальных понятий и истин, которые, будучи связанными между собой, давали бы общую картину мироздания, а значит, и ответы на все интересующие человечество вопросы. Это был век философов-мудрецов, астрологов и алхимиков, занятых поисками философского камня.

Развивая традиции ученых своего времени, Луллий сконструировал механическое устройство, состоящее из системы кругов, имеющих возможность вращаться. Каждый круг был поделен на секторы, окрашенные в разные цвета и помеченные латинскими буквами. Круги соединялись друг с другом, и, приводя их во вращение, можно было получить различные сочетания символов и цветов — так называемую “формулу истины”.

Машины Луллия могли работать в различных предметных областях и давать ответы на всевозможные вопросы, составлять гороскопы, ставить диагнозы болезней, делать прогнозы на урожай. В наиболее позднем варианте машина Луллия состояла из 14 кругов, размеченных буквами и раскрашенных в различные цвета, которые символизировали различные понятия, элементы, стихии, субъекты и объекты знания. Круги приводились в движение системой рычагов. Поворачиваясь, они могли образовать около 18 квадриллионов (18 Х 10¹⁵) разнообразных сочетаний буквенных и цветовых “истин”. Запросы в машину вводились с помощью поворота внутреннего круга, на котором было начертано девять вариантов вопросов: “Что? Почему? Из чего? Сколько? Каким образом? Где? Когда? Какое? Которое из двух?”.

Выражаясь современным языком, можно сказать, что машина Луллия представляла собой механическую экспертную систему, наделенную базой знаний, устройствами ввода и вывода, естественным языком общения. Свести к логическим операциям если не все знания о мире, то хотя бы часть из них, а затем поручить не человеческому мозгу, а механическому устройству процедуру вывода “формул знания”, следующих из накопленной базы знаний, — эта идея искусственного интеллекта, впервые высказанная и реализованная средневековым рыцарем Раймундом Луллием, прожила семь веков и достигла в наши дни своего расцвета и триумфа.

В 40-х гг. ХХ в. произошло выделение искусственного интеллекта в самостоятельное научное направление. В 1956 г. произошло событие, благодаря которому этот год называют “второй датой рождения” искусственного интеллекта. В этом году в Стэнфордском университете (см. рис. 3) состоялся семинар под названием “Artifical intelligence”, что в переводе означает “Искусственный интеллект”. Именно тогда был впервые предложен этот термин.

Рис. 3. Стэнфордский университет (США). Здесь в 1956 г. прошел семинар под названием "Artifical intelligence" - "Искусственный интеллект"

С тех пор история искусственного интеллекта представляла собой постоянные споры и метания между двумя крайностями — оптимизмом и пессимизмом. Интересны знаменитые предсказания американского экономиста и социолога, исследователя в области теории управления, моделирования социальных процессов, нобелевского лауреата Герберта Саймона, сделанные в 1957 г. Приведем некоторые из них:

— в ближайшее десятилетие ЭВМ завоюет титул чемпиона мира по шахматам;

— в пределах десяти лет ЭВМ откроет и сумеет доказать важную новую математическую теорему;

— в десятилетний срок большинство теорий в области психологии примет вид программ для вычислительной машины.

Сейчас, спустя полвека, мы видим, что предсказания Г.Саймона постепенно сбываются, что он ошибался только в сроках. Мы также можем отметить, что эйфория вокруг искусственного интеллекта имела как положительные, так и отрицательные последствия. С одной стороны, она стимулировала интерес общественности к новому научному направлению, выразившийся в выделении крупных грантов правительством США. С другой стороны, искусственный интеллект стал объектом весьма резкой критики более “трезво мыслящих” ученых. Мы также знаем, к каким тяжелым последствиям привела эта критика в СССР, когда за решение проблем научных дискуссий взялся государственный репрессивный аппарат. Кибернетика была объявлена буржуазной лженаукой, а те, кто ей занимался, — врагами народа.

Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло его разделение на два основных стратегических направления: нейрокибернетику и кибернетику “черного ящика”. Подход к созданию систем искусственного интеллекта, используемый нейрокибернетикой, иногда называют низкоуровневым, или восходящим, а кибернетикой “черного ящика” — высокоуровневым, или нисходящим. Названия этих стратегических направлений соответствуют их содержанию, что будет ясно из последующего изложения.

Основную идею нейрокибернетики можно сформулировать следующим образом: единственный объект в природе, способный мыслить, — это человеческий мозг, поэтому любое мыслящее устройство должно быть обязательно выполнено по образу и подобию человеческого мозга, воспроизводить его структуру, его принцип действия. Таким образом, нейрокибернетика занимается моделированием структуры мозга и его деятельности.

Как известно, мозг человека состоит из большого количества взаимосвязанных нервных клеток — нейронов. Поэтому усилия нейрокибернетиков сосредоточены на разработке элементов, подобных нейронам, и объединении этих элементов в системы — нейросети и нейрокомпьютеры. Первые нейросети и нейрокомпьютеры были предложены и созданы американскими учеными У.Мак-Каллоком, В.Питтсом и Ф.Розенблаттом в конце 1950-х гг. Это были устройства, моделирующие человеческий глаз и его взаимодействие с мозгом. Устройства умели распознавать буквы латинского алфавита.

В отличие от нейрокибернетики кибернетика “черного ящика” не придает значения структуре и принципу действия мыслящего устройства. Главное, чтобы оно адекватно моделировало самый высокий уровень деятельности мозга — уровень его интеллектуальных функций. Это направление искусственного интеллекта ориентировано на поиски алгоритмов решения интеллектуальных задач с использованием существующих компьютеров независимо от их аппаратной базы.

Поставив перед собой задачу моделировать функции мозга, представители этого научного направления столк­нулись с серьезной проблемой. Оказалось, что, несмотря на многовековую историю исследований, ни одна из существующих наук (философия, психология, лингвистика и др.) не смогла предложить сколько-нибудь конкретный алгоритм человеческого мышления. Поэтому программистам пришлось создавать собственные модели мышления.

В конце 50-х гг. XX в. появилась модель лабиринтного поиска. Согласно этому подходу, решение интеллектуальной задачи выполнялось путем перебора огромного количества вариантов, которое представлялось в виде движения по лабиринту. Создание таких алгоритмов, по словам их критиков, было не более разумно, чем попытки заново написать все книги, хранящиеся в Британском музее, посадив за пишущие машинки обезьян и надеясь, что обезьяны рано или поздно чисто случайно сумеют напечатать осмысленное слово, фразу или страницу. В настоящее время модель лабиринтного поиска признается тупиковой и имеет ограниченное использование в игровых компьютерных программах.

В начале 1960-х гг. началась эпоха эвристического программирования. Как писал автор этого термина американский математик П.Пойа, цель эвристики — исследовать методы и правила, как делать открытия и изобретения. Это очень сложная проблема. Дело в том, что Архимед, выпрыгнувший из ванны с криком “Эврика!”, не объяснил, каким образом он догадался, что тело, погруженное в жидкость, теряет в своем весе ровно столько, сколько весит вытесненный им объем воды. Ньютон открыл закон всемирного тяготения, наблюдая за падением яблока. Менделеев увидел принцип построе­ния периодической таблицы во сне. Поэтов, художников и музыкантов вдохновляют на творческие поиски возвышенные чувства, разобраться в которых в принципе невозможно.

Чтобы понять механизмы творческого мышления, авторы эвристического подхода провели эксперимент. Была отобрана группа студентов, не знакомых с математической логикой. Каждый студент должен был доказать самостоятельно одну или несколько теорем из учебника, не заглядывая в него. При этом ему вменялось в обязанность рассуждать вслух, делать любые записи, прекращать работу, если становилось ясно, что выбран неверный путь, и начинать все сначала.

Обработав магнитофонные записи, выкладки, черновики студентов, программисты нашли эвристики — правила, которыми пользовались студенты, доказывая теоремы. Эти правила не имели строгих математических обоснований, и их использование не всегда приводило к желаемому результату. Однако программа, в которую заложили эвристики студентов, смогла доказать все теоремы, какие были в учебнике, и сформулировать дополнительно еще две теоремы, которых не хватало до полной логической завершенности курса. Теперь эту программу, известную под названием “Логик-теоретик”, принято считать родоначальницей эвристического программирования.

Сегодня инструментами высокоуровневой (нисходящей) стратегии создания систем искусственного интеллекта являются законы формальной логики, теории множеств, графов, семантических сетей и другие достижения науки в области дискретных вычислений. Ясно, что успехи нисходящей стратегии связаны с развитием возможностей ЭВМ и искусства программирования, т.е. с успехами комплекса научных исследований, который называют компьютерными науками. В противоположность этому успехи восходящей стратегии (от низкого уровня к высокому), в основе которой лежит воспроизведение нейрофизиологических механизмов интеллектуальной деятельности человеческого мозга, напрямую связаны с успехами наук о человеке.

Обе стратегии создания систем искусственного интеллекта связаны с моделированием, однако в первом случае мы имеем дело с моделированием феноменологическим, имитационным, а во втором случае — с моделированием структурным.

Серьезный прорыв в практических приложениях нисходящего подхода к созданию систем искусственного интеллекта произошел в середине 1970-х гг., когда, отказавшись от поисков универсального алгоритма мышления, программисты начали моделировать конкретные знания специалистов-экспертов. Открылось новое направление искусственного интеллекта — экспертные системы. С появлением экспертных систем бизнес в сфере интеллектуальных информационных технологий впервые становится рентабельным.

С середины 1980-х гг. искусственный интеллект — это одно из наиболее привлекательных в коммерческом отношении направлений компьютерной индустрии. Растут ежегодные капиталовложения, создаются промышленные и военные экспертные системы.

Однако победа, одержанная приверженцами нисходящего подхода в 1980-х гг., оказалась не окончательной. Разобравшись в причинах своих неудач (подробно об этом см. главу 3) и выполнив ряд серьезных фундаментальных исследований, ученые-нейрокибернетики вышли на рынок программной продукции с нейронными сетями. В результате 90-е гг. ознаменовались приходом искусственных нейронных сетей в бизнес, где они показали свою реальную эффективность при решении многих задач — от анализа платежеспособности клиентов банка до прогнозирования курсов валют и предсказания результатов президентских выборов.

Подобно процессам, происходящим в мозгу, знания в нейронных сетях растворяются в межнейронных связях, а процесс программирования систем заменяется их обучением. Надо отметить, что вплоть до настоящего времени нейрокомпьютерные и нейросетевые технологии многими специалистами признаются наиболее перспективной базой для создания систем искусственного интеллекта. Они стремительно входят в жизнь и быт людей в самом широком спектре деятельности, с успехом решают задачи распознавания образов, анализа и синтеза речи, перевода с одного языка на другой, диагностики, прогнозирования и др.

В последнее время наряду с указанными выше двумя стратегическими подходами к проблеме моделирования мышления активно развивается третий, называемый эволюционным. Смысл этого подхода состоит в том, что процесс моделирования человеческого мозга заменяется моделированием процесса его эволюции. Здесь широко используются господствующие в живой природе механизмы естественного отбора и генетического наследования. Природные эволюционные процессы, описываемые теорией Чарльза Дарвина, кладутся в основу поведения простейших сущностей — интеллектуальных агентов, не имеющих тел, но способных чувствовать, действовать, бороться за существование, размножаться, развиваться и жить, как это происходит в физическом мире.

В заключение отметим, что исследования по искусственному интеллекту всегда находились на переднем крае информатики. Многие воспринимающиеся ныне вполне обычными программные средства, усовершенствованные системы программирования, операционные системы, текстовые редакторы, системы распознавания образов ранее рассматривались как разработки в области искусственного интеллекта. Теории, идеи и методы искусственного интеллекта всегда привлекали и, вероятно, еще долго будут привлекать внимание тех, кто стремится расширить область применения и возможности компьютеров, сделать их более “дружественными”, более похожими на разумных существ, с которыми приятно общаться и работать.

Коротко о главном

Первая попытка создания устройства, моделирующего человеческий интеллект, была произведена в
XIII в. испанским ученым Р.Луллием. Термин “искусственный интеллект” был предложен в 1956 г. на семинаре, проводимом в Стэнфордском университете (США). Искусственный интеллект распался на два направления: кибернетику “черного ящика” и нейрокибернетику. Первый нейрокомпьютер был предложен и создан американскими учеными У.Мак-Каллоком, В.Питтсом и Ф.Розенблаттом в конце 1950-х гг.

Вопросы и задания

1. Попробуйте самостоятельно дать определение интеллекта и искусственного интеллекта.

2. Когда и кем была произведена первая попытка моделирования интеллекта человека?

3. Опишите назначение и принцип действия машины Р.Луллия.

4. Когда и где был впервые использован термин “искусственный интеллект”?

5. В чем состоит принципиальное различие между кибернетикой “черного ящика” и нейрокибернетикой?

6. В чем смысл терминов “низкоуровневое”, “восходящее”, “высокоуровневое” и “нисходящее” направления искусственного интеллекта?

7. Какие задачи решал первый нейрокомпьютер?

8. Кто был создателем первого нейрокомпьютера?

Основные стратегии

Искусственный интеллект — это научная отрасль, занимающаяся исследованием и моделированием естественного интеллекта человека. Естественный интеллект человека является очень сложным объектом исследований, и его моделирование осуществляется на разных уровнях абстрагирования. Можно выделить три таких уровня, которым соответствуют три основных стратегических направления (в дальнейшем — стратегии) искусственного интеллекта (см. рис. 4):

— технологии экспертных систем (высокоуровневая стратегия);

— нейроинформационные технологии (низкоуровневая стратегия);

— технологии эволюционного моделирования.

Самому высокому уровню абстрагирования соответствуют технологии экспертных систем — систем, основанных на явных знаниях о предметной области. Согласно этой стратегии, знания о предметной области получают от специалистов-экспертов или из других информационных источников. Именно человек-эксперт, обладающий знаниями о предметной области, способен действовать на самом высоком уровне. Его знания формализуются, т.е. представляются в удобном для использования виде, и закачиваются в программный комплекс — экспертную систему, которая на основе этих знаний делает логически обоснованные полезные выводы, тем самым моделируя интеллект человека-эксперта. Именно эту стратегию впервые применил в XIII в. испанский ученый Раймунд Луллий. Именно с нее берет начало область науки, называемая искусственным интеллектом.

На самом нижнем уровне абстрагирования находятся нейроинформационные (нейрокомпьютерные и нейросетевые) технологии. Согласно этой стратегии строится модель, учитывающая структуру мозга, состоящего из множества нейронов, соединенных нервными волокнами. Знания поступают в такую модель в ходе ее обучения на специально подобранных примерах, характеризующих предметную область. Так же, как и в мозге, знания хранятся в неявной форме — кодируются в виде множества сил синаптических связей (об этом пойдет речь позже), имитирующих электропроводность межнейронных соединений. Основоположниками этой стратегии, появившейся в середине XX в., являются американские ученые У.Мак-Каллок, В.Питтс и Ф.Розенблатт.

Исторически первой была модель искусственного интеллекта, основанного на явных знаниях, — технология экспертных систем, которая безраздельно господствовала с XIII в. и до середины XX в. Появление в 1940-х гг. первого нейрокомпьютера, названного персептроном, и первые его успехи были встречены с надеждами и энтузиазмом, который, однако, продержался недолго. К середине 1980-х гг. подавляющее большинство систем искусственного интеллекта представляли собой экспертные системы, ориентированные на конкретные предметные области. Однако победа высокоуровневой стратегии оказалась временной. Конец XX в. и начало XXI в. ознаменовались широкомасштабным наступлением нейросетевых и нейрокомпьютерных технологий. Причем имело место как применение этих технологий в новых предметных областях, так и вытеснение экспертных систем из тех областей, где они традиционно применялись ранее.

Уже в течение полувека между высоко- и низкоуровневой стратегиями искусственного интеллекта идет жесточайшая конкуренция. Вместе с тем многие специалисты отмечают наметившийся в последнее время процесс интеграции конкурирующих стратегий. Известны, например, успешные попытки создания и применения гибридных интеллектуальных систем, комбинирующих идеи альтернативных стратегий.

Третья стратегия, появившаяся на свет в середине 1970-х гг. благодаря работам профессора Мичиганского университета Дж. Холланда, навеяна дарвиновской теорией возникновения и эволюции жизни на Земле. Эволюционные модели начинают свою работу с создания целой популяции особей — кандидатов на решение проблемы. Отдельные особи популяции оцениваются по определенному критерию, позволяющему отобрать лучшие, которые затем скрещиваются, наследуя положительные свойства родителей и, мутируя, образуют новые поколения. Этот подход предполагает поиск источника интеллекта в самом процессе эволюции и взаимодействия особей. Знания в эволюционных моделях приобретаются в ходе конкурентной борьбы между особями.

Подводя итог краткого обзора существующих стратегий искусственного интеллекта, отметим, что на сегодняшний день безусловным лидером как в области теоретических исследований, так и в части практических приложений являются нейросетевые технологии. Моделирование мозга на самом нижнем уровне абстрагирования — на уровне нейронной структуры, приводит к наиболее плодотворным технологиям создания интеллектуальных информационных систем.

Лидирующая научная отрасль

В разные периоды существования цивилизации лидирующими направлениями научных исследований были философия, геометрия, астрология, алхимия, химия, разделы физики: механика, электричество и магнетизм, физика элементарных частиц и квантовая механика, ядерная физика.

Со второй половины XX в. и по настоящее время лидирующие позиции в темпах развития прочно занимают компьютерные науки. Схема, отражающая современное состояние распределения научных приоритетов, приведена на рис. 5.

— Из всего множества научных отраслей наиболее быстро развивающейся признается информатика.

— Из всех разделов информатики наиболее экспансирующим, как в области теоретических разработок, так и в области приложений, является искусственный интеллект.

— Из всех разделов искусственного интеллекта до середины 1980-х гг. лидирующие позиции в области практических приложений удерживали экспертные системы. Однако в течение двух последних десятилетий экспертные системы постепенно уступают лидерство другому разделу искусственного интеллекта — нейронным сетям.

Рис. 5. Современное распределение приоритетных направлений развития научных отраслей

Искусственный интеллект уже давно стал “горячей точкой” научных исследований. Здесь, как в фокусе, сконцентрированы усилия математиков, физиков, нейробиологов, психологов, программистов, философов, инженеров. Здесь решаются глобальные вопросы, связанные с путями развития научной мысли, с воздействием компьютерной индустрии на жизнь будущих поколений. Здесь рождаются и получают право на жизнь пограничные идеи — результат объединения различных дисциплин, научных направлений и областей. Здесь возникает и формируется то, что называется философским осмыслением научных результатов.

Быстрому развитию искусственного интеллекта как научной отрасли в значительной мере способствует доступность компьютерной техники. По словам известного французского математика Ж.А. Пуанкаре, “Наука — это кладбище гипотез”. Любая догадка, любая новая идея сначала является научной гипотезой и должна быть либо подтверждена, либо отвергнута в ходе экспериментальной проверки. В иных научных областях на проверку гипотез уходят десятилетия. Но это не относится к современному искусственному интеллекту. Благодаря доступности компьютеров существует возможность быстрого компьютерного воплощения новых идей, возможность их немедленной реализации и всесторонней практической проверки. Такая возможность является сильнейшим стимулом, способствующим лидерству искусственного интеллекта в темпах его развития, как в теоретическом, так и в практическом аспектах.

Коротко о главном

Основными современными стратегиями искусственного интеллекта являются: технологии экспертных систем; нейроинформационные технологии; технологии эволюционного моделирования. Согласно первой стратегии, знания о предметной области формализуются и в таком явном виде помещаются в экспертную систему, которая на основе этих знаний делает логически обоснованные выводы. Согласно второй стратегии, знания, так же как и в мозге, хранятся в неявной форме — кодируются в виде множества сил синаптических связей. Приобретаются они в ходе обучения на примерах, характеризующих моделируемую предметную область.
В эволюционных моделях знания приобретаются в ходе конкурентной борьбы между особями.

Вопросы и задания

1. Перечислите основные стратегии создания систем искусственного интеллекта. Назовите примерную дату появления и основателя каждого стратегического направления.

2. Как приобретаются и в каком виде хранятся знания в системах искусственного интеллекта, созданных согласно трем основным стратегиям?

3. Какая научная область, по вашему мнению, является лидирующей в настоящее время?

4. Зайдите в сеть Интернет и с помощью поисковика попробуйте ввести ключевые слова: “искусственный интеллект”, “экспертные системы”, “нейронные сети”, “нейроинформатика”, “нейрокомпьютер”, “агентные системы”, “интеллектуальные роботы” и другие термины искусственного интеллекта. Выберите заинтересовавшую вас информацию и напишите на ее основе реферат или подготовьте доклад на какую-либо из тем, например:

— Успехи искусственного интеллекта.

— История искусственного интеллекта.

— Современные проблемы искусственного интеллекта.

— Современные технологии искусственного интеллекта.

— Будущее искусственного интеллекта.

Продолжение следует