С того момента, как искусственный интеллект был признан научным направлением, а это произошло в середине 50-х годов прошлого века, разработчикам интеллектуальных систем пришлось решать множество задач. Условно все задачи можно разделить на несколько классов: распознавание человеческого языка и перевод, автоматические доказательства теорем, создание игровых программ, распознавание изображений и машинное творчество. Рассмотрим кратко сущность каждого класса задач.

Доказательство теорем.

Автоматическое доказательство теорем является старейшей сферой применения искусственного интеллекта. В этой области было проведено немало исследований, результатом которых стало появление формализованных алгоритмов поиска и языков формальных представлений, таких как PROLOG - логический язык программирования, и исчисление предикатов.

Автоматические доказательства теорем привлекательны тем, что они основываются на общности и строгости логики. Логика в формальной системе предполагает возможность автоматизации, а это значит, что если представить задачу и относящуюся к ней дополнительную информацию в виде совокупности логических аксиом, а частные случаи задачи - как теоремы, требующие доказательства, можно получить решение многих проблем. Системы математических обоснований и автоматические доказательства теорем содержат в своей основе именно этот принцип. В прошлые годы делались неоднократные попытка написать программу для автоматических доказательств теорем, однако так и не удалось создать систему, позволяющую решать задачи с использованием единого метода. Любая относительно сложная эвристическая система могла генерировать множество доказуемых теорем, не относящихся к делу, в результате программам приходилось доказывать их до тех пор, пока не обнаруживалась нужная. Из-за этого возникло мнение, что с большими пространствами можно работать только с помощью неформальных стратегий, специально разработанных для конкретных случаев. На практике этот подход оказался достаточно плодотворным и был положен, наряду с другими, в основу экспертных систем.

Вместе с тем, нельзя игнорировать рассуждения, основанные на формальной логике. Формализованный подход позволяет решить многие проблемы. В частности, применяя его, можно управлять сложными системами, проверять корректность компьютерных программ, проектировать и проверять логические цепи. Кроме того, исследователи автоматического доказательства теорем разработали мощные эвристики, в основе которых находится оценка синтаксической формы логических выражений. В результате стало возможным понижать уровень сложности пространства поиска, не прибегая к разработке специальных стратегий.

Автоматическое доказательство теорем вызывает интерес учёных и по той причине, что для особо сложных проблем также можно использовать систему, хотя и не без вмешательства человека. В настоящее время программы часто выступают в роли помощников. Специалисты разбивают задачу на несколько подзадач, затем продумываются эвристики для перебора возможных оснований. Далее программа доказывает леммы, проверяет менее существенные предположения и осуществляет дополнения к формальным аспектам доказательств, очерченных человеком.

Распознавание образов.

Распознавание образов представляет собой выделение существенных признаков, характеризующих исходные данные, из общей совокупности признаков, и на основании полученной информации отнесение данных к определённому классу.

Теория распознавания образов - это раздел информатики, в задачи которого входит развитие основ и методов идентификации и классификации объектов (предметов, процессов, явлений, ситуаций, сигналов и т. д.), каждый из которых наделён совокупностью некоторых признаков и свойств. На практике идентифицировать объекты приходится довольно часто. Характерная ситуация - распознавание цвета светофора и принятие решения о том, следует ли в данный момент переходить улицу. Существуют и другие области, в которых нельзя обойтись без распознавания объектов, например, оцифровка аналоговых сигналов, военное дело, системы безопасности и так далее, поэтому на сегодняшний день учёные продолжают активную работу над созданием систем распознавания образов.

Работа ведётся в двух основных направлениях:

• · Исследование, объяснение и моделирование способностей к распознаванию, присущих живым существам.
• · Развитие теоретических и методологических основ создания устройств, которые позволяли бы решать отдельные задачи в прикладных целях.

Постановка задач распознавания осуществляется с использованием математического языка. В то время как теория искусственных нейронных сетей базируется на получении результатов путём экспериментов, постановка задач распознавания образов происходит не на основе эксперимента, а на основе математических доказательств и логических рассуждений.

Рассмотрим классическую постановку такой задачи. Имеется множество объектов, относительно которых следует провести классификацию. Множество состоит из подмножеств, или классов. Задано: информация, описывающая множество, информация о классах и описание отдельно взятого объекта без указания на его принадлежность к определённому классу. Задача: на основании имеющихся данных определить, к какому классу относится объект.

Если в задачах присутствуют монохромные изображения, они могут быть рассмотрены как функции на плоскости. Функция будет представлять собой формальную запись изображения и в каждой точке выражать определённую характеристику данного изображения - оптическую плотность, прозрачность, яркость и т. д. В таком случае моделью множества изображения будет являться множество функций на плоскости. Постановка задачи распознавания зависит от того, какими должны этапы, следующие за распознаванием.

К методам распознавания образов относятся эксперименты Ф. Розенблатта, который ввёл понятие модели мозга. Задача эксперимента - показать, как возникают психологические явления в физической системе с известными функциональными свойствами и структурой. Учёный описал простейшие эксперименты по распознаванию, однако их особенностью является не детерминированный алгоритм решения.

Наиболее простой эксперимент, на основе которого может быть получена психологически значимая информация о системе, заключается в следующем: персептрону предъявляется последовательность из двух различных стимулов, на каждый из которых он должен реагировать некоторым образом, причём для разных стимулов реакция должна быть различной. Цели такого эксперимента могут быть разными. Перед экспериментатором может стоять задача изучить возможность спонтанного различения системой представленных стимулов без вмешательства извне, или же наоборот, изучить возможность принудительного распознавания. Во втором случае экспериментатор обучает систему классифицировать различные объекты, которых может быть более двух. Опыт с обучением проходит следующим образом: персептрону предъявляют образы, среди которых есть представители всех классов, подлежащих распознаванию. Правильная реакция подкрепляется в соответствии с правилами модификации памяти. После этого экспериментатор предъявляет персептрону контрольный стимул и определяет вероятность получения заданной реакции для образов данного класса. Контрольный стимул может совпадать с одним из объектов, представленных в обучающей последовательности, или отличаться от всех представленных объектов. В зависимости от этого получают следующие результаты:

• · Если контрольный стимул отличается от всех представленных ранее обучающих стимулов, то кроме чистого различения эксперимент исследует элементы обобщения.
• · Если контрольный стимул вызывает активизацию некоторой группы сенсорных элементов, не совпадающих ни с одним из элементов, активизировавшихся при воздействии стимулов того же класса, предъявленных ранее, то эксперимент исследует чистое обобщение и не включает исследование распознавания.

Несмотря на то, что персептроны не способны к чистому обобщению, они удовлетворительно справляются с задачами распознавания, особенно в тех случаях, когда демонстрируются образы, в отношении которых у персептроны уже имеется определённый опыт.

Распознавание человеческой речи и машинный перевод.

К долгосрочным целям искусственного интеллекта относится создание программ, способных распознавать человеческий язык и использовать его для построения осмысленных фраз. Способность к пониманию и применению естественного языка - фундаментальная особенность человеческого интеллекта. Успешная автоматизация этой способности позволила бы намного повысить эффективность компьютеров. К настоящему времени написано много программ, способных понимать естественный язык, и они с успехом применяются в ограниченных контекстах, однако до сих пор не существует систем, которые могли бы применять естественные языки с такой же общностью и гибкостью, как это делает человек. Дело в том, что процесс понимания естественного языка заключается не только в простом разборе предложений на составляющие и поиске значений отдельных слов в словарях. Как раз с этой задачей программы успешно справляются. Для применения человеческой речи необходимы обширные знания о предмете беседы, об идиомах, имеющих к нему отношение, кроме того, необходима способность понимать неясности, недомолвки, профессионализмы, жаргонизмы, просторечные выражения и многое другие из того, что присуще нормальной человеческой речи.

В качестве примера можно привести разговор о футболе, где используются такие слова как «нападающий», «пас», «передача», «штрафной», «защитник», «форвард», «капитан» и другие. Каждое из этих слов характеризуется набором значений, и по отдельности слова вполне доступны для понимания, но фраза, составленная из них, будет непонятна любому, кто не увлекается футболом и ничего не знает об истории, правилах и принципах этой игры. Таким образом, для понимания и применения человеческого языка необходима совокупность фоновых знаний, и одной из главных проблем в автоматизации понимания и применения естественного человеческого языка является сбор и систематизация таких знаний.

Поскольку семантические значения используются в искусственном интеллекте очень широко, учёные разработали ряд методов, позволяющих в какой-то степени их структурировать. Всё же большая часть работы ведётся в тех проблемных областях, которые являются хорошо понимаемыми и специализированными. Примером может служить методика «микромира». Одной из первых программ, где она была использована, стала программа SHRDLU, разработанная Терри Виноградом, представляющая собой одну из систем понимания человеческой речи. Возможности программы были довольно ограниченными и сводились к «беседе» о расположении блоков разных цветов и форм, а также к планированию простейших действий. Программа давала ответы на вопросы типа «Какого цвета пирамидка на кросном бруске?» и могла давать указания вида «Поставьте синий блок на красный». Подобные задачи часто затрагивались исследователями искусственного интеллекта и в дальнейшем получили известность под названием «мир блоков».

Несмотря на то, что программа SHRDLU успешно «беседовала» о расположении блоков, она не была наделена способностью абстрагироваться от этого «микромира». В ней использовались слишком простые методики, которым была недоступна передача семантической организации предметных областей более высокой сложности.

Текущие работы в области понимания и применения естественных языков направлены в основном на поиск достаточно общих формализмов представления, которые можно было бы адаптировать к специфичным структурам заданных областей и применять в широком круге приложений. Большинство существующих методик, представляющих собой модификации семиотических сетей, исследуются и применяются при написании программ, способных распознавать естественный язык в узких предметных областях. В то же время, современные возможности не позволяют создать универсальную программу, способную понимать человеческую речь во всём её многообразии.

Среди многообразия задач распознавания образов можно выделить следующие:

• · Классификация документов
• · Определение месторождений полезных ископаемых
• · Распознавание изображений
• · Распознавание штрих-кодов
• · Распознавание символов
• · Распознавание речи
• · Распознавание лиц
• · Распознавание номеров автомобилей

Искусственный интеллект в игровых программах.

Игровой искусственный интеллект включает в себя не только методы традиционного ИИ, но также и алгоритмы информатики в целом, компьютерной графики, робототехники и теории управления. От того, как именно реализован ИИ, зависят не только системные требования, но и бюджет игры, поэтому разработчикам приходится балансировать, стараясь, чтобы игровой искусственный интеллект был создан с минимальными затратами, и чтобы при этом он был интересным и нетребовательным к ресурсам. Здесь используется совершенно иной подход, чем в случае с традиционным искусственным интеллектом. В частности, широко применяются эмуляции, обманы и различные упрощения. Пример: особенностью шутеров от первого лица является способность ботов к безошибочному движению и мгновенному прицеливанию, но при этом у человека не остаётся ни единого шанса, поэтому способности ботов искусственно занижаются. В то же время, на уровне расставляются контрольные точки, для того чтобы боты могли действовать командой, устраивать засады и т. д. искусственный интеллект образ

В компьютерных играх, которыми управляет игровой искусственный интеллект, присутствуют следующие категории персонажей:

• · мобы - персонажи с низким уровнем интеллекта, враждебные к человеческому игроку. Игроки уничтожают мобов с целью прохождения территории, получения артефактов и очков опыта.
• · неигровые персонажи - обычно эти персонажи дружественны или нейтральны к игроку.
• · боты - персонажи, враждебные по отношению к игрокам, наиболее сложные в программировании. Их возможности приближаются к возможностям игровых персонажей. В любой момент времени против игрока выступает некоторое количество ботов.

Внутри компьютерной игры существует множество областей, в которых используется широкое многообразие эвристических алгоритмов искусственного игрового интеллекта. Наиболее широко игровой ИИ применяется как один из способов контроля неигровых персонажей. Другим, не менее распространённым способом контроля, является скриптинг. Ещё одно очевидное применение игрового ИИ, особенно в стратегиях реального времени, - поиск пути, или метод, позволяющий определить, как неигровой персонаж может попасть из одной точки на карте в другую. При этом нужно учитывать препятствия, ландшафт и возможный «туман войны». Динамическая балансировка мобов также не обходится без применения искусственного интеллекта. Во многих играх была опробована концепция непредсказуемого интеллекта. Это такие игры как Nintendogs, Black & White, Creatures и всем известная игрушка «тамагочи». В этих играх персонажами являются домашние животные, поведение которых изменяется с учётом действий, произведённых игроком. Создаётся впечатление, что персонажи способны обучаться, хотя на самом деле их действия являются результатом выбора из ограниченного множества решений.

Многие игровые программисты считают частью игрового искусственного интеллекта любую методику, с помощью которой создаётся иллюзия интеллекта. Однако этот подход не совсем верен, так как те же самые методики могут использоваться не только в движках игрового ИИ. Например, при создании ботов используются алгоритмы с введенной в них информацией о возможных будущих столкновениях, вследствие чего боты приобретают «умение» избегать этих столкновений. Но эти же методики представляют собой важный и необходимый компонент физического движка. Ещё один пример: важным компонентом системы прицеливания бота являются водные данные, и те же самые данные широко применяются в графическом движке при рендеринге. Финальный пример - скриптинг. Этот инструмент с успехом может применяться во всех аспектах игровой разработки, но чаще всего его рассматривают как один из способов контролирования действий неигровых персонажей.

По мнению пуристов, выражение «игровой искусственный интеллект» не имеет права на существование, так как является преувеличением. В качестве главного аргумента они выдвигают то, что в игровом ИИ используются лишь некоторые направления науки о классическом искусственном интеллекте. Следует принять во внимание и то, что целями ИИ является создание самообучающихся систем и даже создание искусственного интеллекта, способного рассуждать, в то время как часто ограничивается эвристикой и набором из нескольких эмпирических правил, которых бывает достаточно для создания хорошего геймплея и предоставления игроку ярких впечатлений и ощущений от игры.

В настоящее время разработчики компьютерных игр проявляют интерес к академическому ИИ, а академическое сообщество, в свою очередь, начинает интересоваться компьютерными играми. В связи с этим возникает вопрос, в какой степени игровой и классический ИИ различаются между собой. Вместе с тем, игровой искусственный интеллект всё ещё рассматривается как одна из под-отраслей классического. Это обусловлено тем, что искусственный интеллект имеет различные прикладные области, отличающиеся друг от друга. Ели говорить об игровом интеллекте, важным отличием здесь является возможность обмана с целью решения некоторых задач «законными» способами. С одной стороны, недостаток обмана в том, что зачастую он приводит к нереалистичному поведению персонажа и по этой причине не всегда может быть использован. С другой стороны, сама возможность такого обмана служит важным отличием игрового ИИ.

Ещё одной интересной задачей искусственного интеллекта является обучение компьютера игре в шахматы. Её решением занимались учёные всего мира. Особенность данной задачи в том, что демонстрация логических способностей компьютера возможна только при наличии реального противника. Впервые такая демонстрация состоялась в 1974 году, в Стокгольме, где прошёл чемпионат мира по шахматам среди шахматных программ. В данном соревновании победила программа «Каисса, созданная советскими учёными из Института проблем управления академии наук СССР, расположенного в Москве.

Искусственный интеллект в машинном творчестве.

Природа человеческого интеллекта пока изучена недостаточно, а степень изучения природы человеческого творчества - ещё меньше. Тем не менее, одним из направлений искусственного интеллекта является машинное творчество. Современные компьютеры создают музыкальные, литературные и живописные произведения, а в индустрии компьютерных игр и кинофильмов уже давно используются реалистичные образы, создаваемые машинами. Существующие программы создают различные образы, которые могут быть легко восприняты и поняты человеком. Это особенно важно, когда речь идёт об интуитивных знаниях, для формализованной проверки которых пришлось бы приложить немалые умственные усилия. Так, музыкальные задачи с успехом решаются с использованием языком программирования, одним из которых является язык CSound. Специальное программное обеспечение, с помощью которого создаются музыкальные произведения, представлено программами алгоритмической композиции, системами интерактивной композиции, системами синтеза и обработки звука.

Экспертные системы.

Разработка современных экспертных систем ведётся исследователями с начала 1970-х годов, а в начале 1980-х экспертные системы начали разрабатываться и на коммерческой основе. Прообразами экспертных систем, предложенными в 1832 году русским учёным С. Н. Корсаковым, стали механические устройства, названные «интеллектуальными машинами», которые позволяли находить решение, руководствуясь заданными условиями. Например, анализировались симптомы заболевания, наблюдаемые у пациента, и по результатам этого анализа предлагались самые подходящие лекарства.

Информатика рассматривает экспертные системы совместно с базами знаний. Системы представляют собой модели поведения экспертов, основанные на применении процедур принятия решений и логических выводов. Базы знаний рассматриваются как совокупность правил логического вывода и фактов, имеющих непосредственное отношение к выбранной сфере деятельности.

В конце прошлого века сложилась определённая концепция экспертных систем, глубоко ориентированная на текстовый человеко-машинный интерфейс, который в то время был общепринятым. В настоящее время эта концепция подверглась серьёзному кризису, связанному, по всей видимости, с тем, что в пользовательских приложениях на смену текстовому интерфейсу пришёл графический. Кроме того, реляционная модель данных и «классический» взгляд на построение экспертных систем плохо согласуются между собой. Следовательно, организация баз знаний экспертных систем не может проводиться эффективно, по крайней мере, с использованием современных промышленных систем управления базами данных. В литературных и сетевых источниках приводится множество примеров экспертных систем, называемых «распространёнными» или «широко известными». На деле все эти экспертные системы были созданы ещё в 80-х годах прошлого столетия и к настоящему моменту либо прекратили своё существование, либо являются безнадёжно устаревшими и существуют благодаря немногочисленным энтузиастам. С другой стороны, разработчики современных программных продуктов часто именуют свои творения экспертными системами. Подобные заявления - не более чем маркетинговый ход, ведь в действительности эти продукты не являются экспертными системами (примером может служить любая из компьютерных справочно-правовых систем). Энтузиасты пытаются объединить подходы к созданию пользовательского интерфейса с «классическими» подходами к созданию экспертных систем. Эти попытки нашли отражение в таких проектах как CLIPS.NET, CLIPS Java Native Interface и других, однако крупные компании, выпускающие программное обеспечение, не торопятся финансировать подобные проекты, и по этой причине разработки не продвигаются дальше экспериментальной стадии.

Всё многообразие областей, в которых могут применяться системы, основанные на знаниях, можно разделить на классы: медицинская диагностика, планирование, прогнозирование, контроль и управление, обучение, интерпретация, диагностика неисправностей в электрическом и механическом оборудовании, обучение. Рассмотрим каждый из этих классов подробнее.

а) Медицинские диагностические системы.

С помощью таких систем определяют, как связаны между собой различные нарушения деятельности организма и их возможные причины. Самой известной диагностической системой является MYCIN. Её применяют для диагностики менингита и бактериальных инфекций, а также для наблюдения за состоянием больных, у которых обнаружены данные заболевания. Первая версия системы была разработана в 70-х годах. На сегодняшний день её возможности значительно расширились: система ставит диагнозы на том же профессиональном уровне, что и врач-специалист, и может применяться в разных областях медицины.

б) Прогнозирующие системы.

Системы предназначены для предсказания событий или результатов событий на основе имеющихся данных, характеризующих текущую ситуацию или состояние объекта. Так, программа «Завоевание Уолл-Стрита», использующая в свой работе статистические методы алгоритмов, способна анализировать конъюнктуру рынка и разрабатывать план капиталовложений. В программе используются алгоритмы и процедуры традиционного программирования, поэтому её нельзя отнести к системам, основанным на знаниях. Уже сегодня существуют программы, способные предсказывать поток пассажиров, урожайность и погоду, анализируя имеющиеся данные. Такие программы достаточно просты, и некоторые из них могут использоваться на обычных персональных компьютерах. Однако до сих пор не существует экспертных систем, которые могли бы, основываясь на данных о конъюнктуре рынка, подсказать, как можно увеличить капитал.

в) Планирование.

Системы планирования предназначены для решения задач с большим количество переменных с целью достижения конкретных результатов. Впервые в коммерческой сфере такие системы были использованы дамасской фирмой Informat. Руководство компании распорядилось становить в холле офиса 13 станций, которые проводили бесплатные консультации для покупателей, желающих приобрести компьютер. Машины помогали сделать выбор, максимально соответствующий бюджету и пожеланиям покупателя. Также экспертные системы были применены компанией Boeing для таких целей как ремонт вертолётов, установление причин выхода из строя самолётных двигателей и проектирование комических станций. Фирма DEC создала экспертную систему XCON, способную определять и изменять конфигурацию компьютерных систем VAX с учётом требований покупателей. В настоящее время фирма DEC занимается разработкой более мощной системы XSEL, в которую входит база знаний XCON. Цель создания системы - помощь потребителям в подборе вычислительной системы с требуемой конфигурацией. Отличие системы XSEL от XCON в том, что она является интерактивной.

г) Интерпретация.

Интерпретирующие системы способны делать заключения, основываясь на результатах наблюдения. Одной из самых известных интерпретирующих систем является система PROSPECTOR. Она работает, используя данные, основанные на знаниях девяти экспертов. Эффективность системы можно оценить по одному примеру: используя девять различных методов экспертизы, система обнаружила месторождение руды, наличие которого не мог предполагать ни один эксперт. Другая известная система интерпретирующего типа - HASP/SIAP. Она использует данные акустических систем слежения и на их основе определяет местонахождение судов в Тихом океане и их типы.

д) Интеллектуальные системы контроля и управления.

Экспертные системы успешно применяются для контроля и управления. Они способны анализировать данные, полученные от нескольких источников, и по результатам анализа принимать решения. Такие системы способны осуществлять медицинский контроль и управлять движением самолётов, кроме того, они применяются на атомных электростанциях. Также с их помощью осуществляется регулирование финансовой деятельности предприятия и вырабатываются решения в критических ситуациях.

е) Диагностика и устранение неисправностей в электрическом и механическом оборудовании.

Системы, основанные на знаниях, применяются в таких случаях, как:

ремонт дизельных локомотивов, автомобилей и других электрических и механических устройств;

диагностика и устранение ошибок и неисправностей в программном и аппаратном обеспечении вычислительных машин.

ж) Компьютерные системы обучения.

Достаточно эффективно использование систем, основанных на знаниях, в обучающих целях. Система анализирует поведение и деятельность объекта и в соответствии с полученной информацией изменяет базу знаний. Простейший пример такого обучения - компьютерная игра, в которой уровни становятся сложнее по мере того, как возрастает квалификация игрока. Интересная обучающая система - EURISCO - разработана Д. Ленатом. В ней используются простые эвристики. Система была применена в игре, имитирующей боевые действия. Суть игры - определить оптимальный состав флотилии, которая могла бы наносить поражения, соблюдая множество правил. Система успешно справилась с этой задачей, включив в состав флотилии одно маленькое судно и несколько кораблей, способных провести атаку. Правила игры менялись ежегодно, но система EURISCO неизменно одерживала победу на протяжении трёх лет.

Существует множество экспертных систем, которые по содержанию знаний могут быть отнесены сразу к нескольким типам. К примеру, система, которая осуществляет планирование, может быть также и обучающей. Она способна определять уровень знаний обучаемого и, основываясь на этой информации, составлять учебный план. Управляющие системы применяются для планирования, прогнозирования, диагностики и контроля. Системы, предназначенные для охраны дома или квартиры, могут отслеживать изменения, происходящие в окружающей обстановке, прогнозировать развитие ситуации и составлять план дальнейших действий. Например, открылось окно и через него в помещение пытается проникнуть вор, следовательно, необходимо вызвать полицию.

Широкое распространение экспертных систем началось в 1980-х годах, когда впервые произошло их коммерческое внедрение. ЭС используются во многих сферах, включая бизнес, науку, технику, производство и другие отрасли, характеризующиеся вполне определённой предметной областью. В данном контексте «вполне определённая» означает, что человек может разделить ход рассуждения на отдельные этапы, и таким образом может быть решена любая задача, которая находится в рамках данной области. Следовательно, аналогичные действия может выполнить и компьютерная программа. Можно с уверенностью сказать, что использование возможностей искусственного интеллекта открывает перед человечеством безграничные возможности.

Среди важнейших классов задач, которые ставились перед разработчиками интеллектуальных систем с момента определения искусственного интеллекта как научного направления (с середины 50-х годов ХХ века), следует выделить следующие направления искусственного интеллекта , которые решают задачи, что плохо поддаются формализации: доказательство теорем, распознавания изображений, машинный перевод и понимание человеческой речи, игровые программы, машинная творчество, экспертные системы. Кратко рассмотрим их сущность.

Направления искусственного интеллекта

Доказательство теорем . Изучение приемов доказательства теорем сыграло важную роль в развитии искусственного интеллекта. Много неформальных задач, например, медицинская диагностика, применяют при решении методические подходы, которые использовались при автоматизации доказательства теорем. Поиск доказательства математической теоремы требует не только провести дедукцию, исходя из гипотез, но также создать интуитивные предположения о том, какие промежуточные утверждение следует доказать для общего доказательства основной теоремы. Распознавание изображений . Применение искусственного интеллекта для распознавании образов позволила создавать практически работающие системы идентификации графических объектов на основе аналогичных признаков. В качестве признаков могут рассматриваться любые характеристики объектов, подлежащих распознаванию. Признаки должны быть инвариантны к ориентации, размера и формы объектов. Алфавит признаков формируется разработчиком системы. Качество распознавания во многом зависит от того, насколько удачно сложившийся алфавит признаков. Распознавания состоит в априорном получении вектора признаков для выделенного на изображении отдельного объекта и, затем, в определении которой из эталонов алфавита признаков этот вектор отвечает. Машинный перевод и понимание человеческой речи . Задача анализа предложений человеческой речи с применением словаря является типичной задачей систем искусственного интеллекта. Для ее решения был создан язык-посредник, облегчающий сопоставление фраз из разных языков. В дальнейшем этот язык-посредник превратилась в семантическую модель представления значений текстов, подлежащих переводу. Эволюция семантической модели привела к созданию языка для внутреннего представления знаний. В результате, современные системы осуществляют анализ текстов и фраз в четыре основных этапа: морфологический анализ, синтаксический, семантический и прагматический анализ. Игровые программы . В основу большинства игровых программ положены несколько базовых идей искусственного интеллекта, таких как перебор вариантов и самообучения. Одна из наиболее интересных задач в сфере игровых программ, использующих методы искусственного интеллекта, заключается в обучении компьютера игры в шахматы. Она была основана еще на заре вычислительной техники, в конце 50-х годов. В шахматах существуют определенные уровни мастерства, степени качества игры, которые могут дать четкие критерии оценки интеллектуального роста системы. Поэтому компьютерными шахматами активно занимался ученые со всего мира, а результаты их достижений применяются в других интеллектуальных разработках, имеющих реальное практическое значение. В 1974 году впервые прошел чемпионат мира среди шахматных программ в рамках очередного конгресса IFIP (International Federation of Information Processing) в Стокгольме. Победителем этого соревнования стала шахматная программа «Каисса». Она была создана в Москве, в Институте проблем управления Академии наук СССР. Машинная творчество . К одной из областей применений искусственного интеллекта можно отнести программные системы, способные самостоятельно создавать музыку, стихи, рассказы, статьи, дипломы и даже диссертации. Сегодня существует целый класс музыкальных языков программирования (например, язык C-Sound). Для различных музыкальных задач было создано специальное программное обеспечение: системы обработки звука, синтеза звука, системы интерактивного композиции, программы алгоритмической композиции. Экспертные системы . Методы искусственного интеллекта нашли применение в создании автоматизированных консультирующих систем или экспертных систем. Первые экспертные системы были разработаны, как научно-исследовательские инструментальные средства в 1960-х годах прошлого столетия. Они были системами искусственного интеллекта, специально предназначенными для решения сложных задач в узкой предметной области, такой, например, как медицинская диагностика заболеваний. Классической целью этого направления изначально было создание системы искусственного интеллекта общего назначения, которая была бы способна решить любую проблему без конкретных знаний в предметной области. Ввиду ограниченности возможностей вычислительных ресурсов, эта задача оказалась слишком сложной для решения с приемлемым результатом. Коммерческое внедрение экспертных систем произошло в начале 1980-х годов, и с тех пор экспертные системы получили значительное распространение. Они используются в бизнесе, науке, технике, на производстве, а также во многих других сферах, где существует вполне определенная предметная область. Основное значение выражения «вполне определенное», заключается в том, что эксперт-человек способен определить этапы рассуждений, с помощью которых может быть решена любая задача по данной предметной области. Это означает, что аналогичные действия могут быть выполнены компьютерной программой. Теперь с уверенностью можно сказать, что использование систем искусственного интеллекта открывает широкие границы. Сегодня, экспертные системы являются одним из самых успешных применений технологии искусственного интеллекта. Поэтому рекомендуем Вам ознакомится с

Лекция 1 5 . Технологии искусственного интеллекта

План

Понятие искусственного интеллекта.

Области применения ИИ.

Понятие экспертной системы .

Понятие искусственного интеллекта

«Интеллект – совокупность всех познавательных функций индивида: от ощущений и восприятия до мышления и воображения; в более узком смысле – мышление. И. – основная форма познания человеком действительности. Существуют три разновидности в понимании функции И.: 1) способности к обучению; 2) оперирование символами; 3) способность к активному овладению закономерностей окружающей нас действительности» (Рапацевич Е.С. Словарь-справочник по научно-техническому творчеству. – Мн.: ООО «Этоним», 1995. – 384 с. – С. 51-52.). (Сл 2 )

Всякая интеллектуальная деятельность опирается на знания. В эти знания включаются характеристики текущей ситуации, оценки возможности выполнения тех или иных действий, законы и закономерности того мира, в котором совершается деятельность, и многое другое. В программах, которые стали создаваться, когда появились компьютеры, необходимые знания хранились в памяти программистов, которые писали программы. Компьютер ее механически выполнял заложенную в его память последовательность команд программы. Никаких знаний для этого компьютеру не требовалось.

«Интеллект искусственный – 1) условное обозначение кибернетических систем и их логико-математического обеспечения, предназначенных для решения некоторых задач, обычно требующих использования интеллектуальных способностей человека; 2) совокупность функциональных возможностей электронно-вычислительной машины (ЭВМ) решать задачи, ранее требовавшие обязательного участия человека» (Там же, с. 54).

Принципиальное отличие систем искусственного интеллекта состоит в том, что для такого рода систем программист не готовит конкретные программы для исполнения . Человек лишь дает машине нужное задание, а программу, выполняющую это задание, система должна построить сама. Для этого нужны знания как о предметной области, к которой относится задание, так и о том, как строятся программы. Все эти знания хранятся в интеллектуальных системах в специальном блоке, называемом базой знаний.

Знания, хранящиеся в базе знаний, записываются в специальной формализованной форме. В базе знаний могут реализоваться процедуры обобщения корректировки хранимых знаний, а также процедуры, создающие новые знания на основании тех, которые уже там имеются.

Искусственный интеллект – одно из новейших направлений науки, появившееся в середине 60-х г.г. ХХ в. на базе вычислительной техники, математической логики, программирования, психологии, лингвистики, нейрофизиологии и других отраслей знаний. Искусственный интеллект – это образец междисциплинарных исследований, где соединяются профессиональные интересы специалистов разного профиля. Само название новой науки возникло в конце 60-х гг,. а в1969 г. в Вашингтоне (США) состоялась первая Всемирная конференция по искусственному интеллекту.

Когда в конце 40-х – начале 50-х гг. появились ЭВМ, стало ясно, что инженеры и математики создали не просто быстро работающее устройство для вычислений, а нечто более значительное. Оказалось, что с помощью ЭИМ можно решать различные головоломки, логические задачи, играть в шахматы, создавать игровые программы. ЭВМ стали принимать участие в творческих процессах: сочинять музыкальные мелодии, стихотворения и даже сказки. Появились программы для перевода с одного языка на другой, для распознавания образов, доказательства теорем. Это свидетельствовало о том, что с помощью ЭВМ и соответствующих программ можно автоматизировать такие виды человеческой деятельности, которые называются интеллектуальными и считаются доступными лишь человеку. Несмотря на большое разнообразие невычислительных программ, созданных к началу 60-х гг., программирование в сфере интеллектуальной деятельности находилось в гораздо худшем положении, чем решение расчетных задач. Причина очевидна. Программирование для задач расчетного характера опиралось на соответствующую теорию – вычислительную математику. На основе этой теории было разработано много методов решения задач. Эти методы стали основой для соответствующих программ. Ничего подобного для невычислительных задач не было. Любая программа была здесь уникальной, как произведение искусства. Опыт создания таких программ никак не обобщался, умение их создавать не формализовалось.

Когда программист создавал программу для игры в шахматы, то использовал собственные знания о процессе игры. Он вкладывал их в программу, а компьютер лишь технически выполнял эту программу. Можно сказать, что компьютер «не отличал» вычислительные программы от невычислительных. Он одинаковым образом находил корни квадратного уравнения или писал стихи. В памяти компьютера не было знаний о том, что он на самом деле делает.

Об интеллекте компьютера можно было бы говорить, если бы он сам , на основании знаний о том, как протекает игра в шахматы и как играют в эту игру люди, сумел составить шахматную программу или синтезировал программу для писания несложных вальсов и маршей.

Не сами процедуры, с помощью которых выполняется та или иная интеллектуальная деятельность, а понимание того, как их создать, как научиться новому виду интеллектуальной деятельности , - вот где скрыто то, что можно назвать интеллектом. Специальные процедуры обучения новым видам интеллектуальной деятельности отличают человека от компьютера. Следовательно, в создании искусственного интеллекта основной задачей становится реализация машинными средствами тех процедур, которые используются в интеллектуальной деятельности человека. Что это за процедуры?

Можно сформулировать основные цели и задачи искусственного интеллекта. Объектом изучения искусственного интеллекта являются процедуры, используемые при решении человеком задач, традиционно называемых интеллектуальными, или творческими. Но если психология мышления изучает эти процедуры применительно к человеку, то искусственный интеллект создает программные (а сейчас уже и программно-аппаратные) модели таких процедур.

Цель исследований в области искусственного интеллекта – создание арсенала процедур, достаточного для того, чтобы ЭВМ (или другие технические системы, например роботы) могли находить по постановкам задач их решения. Иными словами, стали автономными программистами, способными выполнять работу профессиональных программистов – прикладников (создающих программы для решения задач в определенной предметной области). Разумеется, сформулированная цель не исчерпывает всех задач, которые ставит перед собой искусственный интеллект. Это цель ближайшая. Последующие цели связаны с попыткой проникнуть в области мышления человека, которые лежат вне сферы рационального и выразимого словесно (вербально) мышления. Ибо в поиске решения многих задач, особенно сильно отличающихся от ранее решенных, большую роль играет та сфера мышления, которую называют подсознательной, бессознательной, или интуитивной.

Основными методами, используемыми в искусственном интеллекте, являются разного рода программные модели и средства, эксперимент на ЭВМ и теоретические модели. Однако современные ЭВМ уже мало удовлетворяют специалистов по искусственному интеллекту. Они не имеют ничего общего с тем, как устроен человеческий мозг, поэтому идет интенсивный поиск новых технических структур, способных лучше решать задачи, связанные с интеллектуальными процессами. Сюда относятся исследования по нейроподобным искусственным сетям, попытки построить молекулярные машины, работы в области голографических систем и многое другое.

Существуют несколько основных проблем, изучаемых в искусственном интеллекте.

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

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

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

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

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

Кроме этих проблем исследуются многие другие, составляющие тот задел, на который будут опираться специалисты на следующем витке развития теории искусственного интеллекта.

В практику человеческой деятельности интеллектуальные системы уже внедряются. Это и наиболее известные широкому кругу специалистов экспертные системы, передающие опыт более подготовленных специалистов менее подготовленным, и интеллектуальные информационные системы (например, системы машинного перевода), и интеллектуальные роботы, другие системы, имеющие полное право называться интеллектуальными. Без таких систем современный научно-технических прогресс уже невозможен.

В настоящее время ИИ – мощная ветвь информатики, имеющая как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, связанные с созданием и эксплуатацией работоспособных образцов интеллектуальных систем. Именно от результатов этих работ зависит появление ЭВМ 5 поколения.

Любая задача, алгоритм решения которой не известен, может быть отнесена к сфере ИИ (игра в шахматы, медицинская диагностики, резюме текста, перевод на иностранный язык). Характерные черты задач ИИ – использование информации в символьной форме и наличие выбора из множества вариантов в условиях неопределенности.

Наиболее перспективным направлением развития систем компьютерного обучения является технология искусственного интеллекта. Системы, использующие методику ИИ, называют интеллектуальными обучающими системами (ИОС). ИОС реализует адаптивное и двухстороннее взаимодействие, направленное на эффективную передачу знаний.Наиболее перспективным путем развития ИОС является, по-видимому, путь создания самообучающихся систем, приобретающих знания в диалоге с человеком.

2. Области применения ии

Под системами, обладающими ИИ, понимаются устройства или программы, имеющие такие характеристики, присущие человеческому интеллектуальному поведению как понимание и использование языка, причинная обусловленность поведения, способность к решению проблем, способность гибко реагировать на ситуацию, использовать преимущество благоприятных ситуаций, находить решение в неоднозначных или противоречивых ситуациях, распознавать относительную важность различных элементов ситуаций, находить сходство между ними несмотря на их различие.

Программные системы, реализующие алгоритмы, для которых не существует формальной модели решения, называются эвристическими и относятся к ИИ. Задачи ИИ – это такие задачи, в которых формализуется не процесс решения, а процесс поиска решения.

Наиболее широко системы искусственного интеллекта применяют для решения следующих задач:

Распознавание образов – это технические системы, воспринимающие визуальную и звуковую информацию, (кодируют и размещают ее в памяти), проблемы понимания и логического рассуждения в процессе обработки визуальной и речевой информации.

Моделирование рассуждений - изучение человеческих рассуждений в искусственном интеллекте только начинается, но без создания формальных моделей для таких рассуждений очень трудно производить в интеллектуальных системах все особенности рассуждений специалистов, решающих те задачи, которые мы хотим сделать доступными для искусственных систем. В созданных уже сегодня экспертных системах реализуются не только достоверные логические выводы, но и правдоподобные рассуждения и ряд иных немонотонных рассуждений. Появились первые программы для рассуждений по аналогии и ассоциации.

Системы символьных вычислений

Системы с нечеткой логикой - нечеткий вывод используется очень широко, ибо он отражает суму человеческих знаний о многих явлениях реального мира. При планировании поведения в роботах и других системах искусственного интеллекта, действующих в не полностью описанных средах, при принятии решений в условиях отсутствия исчерпывающей информации, в экспертных системах при частичных знаниях о предметной области и во многих других ситуациях без нечеткого вывода не обойтись

Когнитивная психология – одно из направлений современной психологической науки, связанное с поиском внутренних причин того или иного поведения живой системы. Как правило, объектом изучения выступает знание человека о себе и окружающем мире, а также познавательные процессы, обеспечивающие приобретение, сохранение и трансформацию этого знания.

Понимание естественного языка – анализ и генерация текстов, их внутреннего представления.

Экспертные системы – системы, использующие знания специалистов в конкретных видах деятельности.

На стыке вычислительной техники и лингвистики родилась компьютерная лингвистика. Новая наука несколько раз меняла название; сначала она называлась математической лингвистикой, потом структурной лингвистикой, и вычислительной лингвистикой, затем уже - компьютерная лингвистика.

Появилась возможность автоматизировать многие трудоемкие процессы, ведение разнообразных словарных и лексических карточек. Машинный перевод теперь является реальностью.

Машинный интеллект – совокупность аппаратных и программных средств ЭВМ, с помощью которого обеспечивается такое общение человека с машиной (интерфейс), которое по своему уровню приближается к общению между собой специалистов, решающих совместную задачу..

Планирование поведения – одно из направлений исследований по искусственному интеллекту. Основная задача этого направления – поиск процедур, которые могли бы автоматически предлагать наикратчайший путь к достижению поставленной цели, исходя из данной ситуации. Задачи такого типа оказались наиболее актуальными для роботов, действующих автономно. Решая поставленную перед ним задачу, робот должен составить план ее решения и постараться его выполнить. Если в процессе реализации этого плана робот убедится, что имеются непреодолимые препятствия, то он должен построить другой план, в котором этих препятствий не существует.

Интеллектуальные роботы.

Игры – игры, характеризующиеся конечным числом ситуаций и четко определенными правилами, в них превзойден уровень человека средних способностей; но уровень лучших специалистов не достигнут.

Решение задач – постановка, анализ и представление конкретных жизненных ситуаций, для решения которых требуется изобретательность, способность обобщать. Компьютерные технологии пытаются применить для реализации интеллектуальных процессов поиска решения, когда конечный результат непредсказуем, является плодом логических заключений и выводов, к которым приходит самостоятельно.

Новейший российский истребитель оснащаются системами искусственного интеллекта Гораздо более радикальные изменения внесены в бортовые электронные системы самолета. В результате введения многоканальной цифровой электродистанционной системы управления самолетом, включающей системы искусственного интеллекта, Су-37, по сравнению с Су-35, получит дополнительные беспрецедентные возможности:Возможность нанесения упреждающих ударов по любому воздушному противнику (в том числе и малозаметному самолету); Многоканальность и алгоритмическую защищенность всех информационных и прицельных систем; Атаку наземных целей без входа в зону ПВО противника; Маловысотный полет с облетом и обходом наземных препятствий, в том числе и в автоматическом режиме; Автоматизированные групповые действия по воздушным и наземным целям; Противодействие радиоэлектронным и оптико-электронным средствам противника; Автоматизацию всех этапов полета и боевого применения

Компания Panasonic объявляет о начале поставок нового проектора pt AE500E с искусственным интеллектом. Встроенный искусственный интеллект, автоматически управляющий яркостью лампы в зависимости от входного видеосигнала, обеспечивающий уровень контраста 1300:1.

Развитие информационных технологий будоражит человеческий ум уже добрых полвека. Компьютеры прочно вошли в нашу повседневную жизнь. Работа в современном офисе немыслима без интернета, электронной почты, а заслуженный отдых для многих начинается только тогда, когда включается игровая приставка. Мобильные телефоны третьего поколения теперь не только передают голос, но и легко заменяют практически любое офисное оборудование. Появились даже автомобили с бортовыми компьютерами, которые могут составить маршрут поездки и доставить пассажира до точки назначения.

В первом процессоре, выпущенном Intel 11 ноября 1971 г., 2.300 транзисторов умеcтились на схеме размером с ноготь. Микрочип выполнял 60 тыс. операций в секунду - ничто по современным меркам, но тогда это был серьезный прорыв. С тех пор вычислительные технологии шагнули далеко вперед. Например, подсчитано, что за 30 лет существования микропроцессоров минимальный размер элементов процессора уменьшился в 17 раз, тогда как количество транзисторов увеличилось в 18 тыс. раз, а тактовая частота возросла в 14 тыс. раз. Нынешняя технология производства процессоров, применяемая корпорацией Intel, позволяет производить транзисторы размером с молекулу, а в будущем - в несколько атомных слоев.

Индустрия информационных технологий - одна из наиболее динамично развивающихся сфер жизни. В соответствии с законом Мура , в 2020 году компьютеры достигнут мощности человеческого мозга, т.к. смогут выполнять 20 квадриллионов (т.е. 20.000.000 миллиардов) операций в секунду, а к 2060 году, как считают некоторые футурологи, компьютер сравняется по силе разума со всем человечеством. Впрочем, еще в 1994 году ПК на базе процессора Intel Pentium со смехотворной, по нынешним временам, частотой 90 МГц обыграл в серии турниров по шахматам нескольких сильнейших гроссмейстеров мира, включая действующего чемпиона планеты - Гарри Каспарова.

Уже сегодня существуют реальные возможности применения интеллектуальных технологий в практически любом автомобиле. Например, телефонная гарнитура BlueConnect производства компании Johnson Controls - интегрированный автомодуль hands-free на базе процессоров Intel PXA250 и Intel PXA210 - позволяет водителю выполнять самые разнообразные действия, активизируемые голосом, с помощью сотового телефона и технологии Bluetooth.

Очевидно, что с каждым годом все более мощные микропроцессоры будут применяться во все большем количестве различных бытовых устройствах. Недавно специалистами Intel были разработаны транзисторы, скорость действия которых превышает скорость Pentium 4 почти на 1000%. Тем самым, заявляют ученые корпорации, было доказано, что нет никаких фундаментальных препятствий для продолжения развития микропроцессоров в соответствии с законом Мура до конца текущего десятилетия.

Такие транзисторы, имеющие размер всего 20 нанометров, позволят компании Intel к 2007 г. создать процессоры с миллиардом транзисторов, работающие на частоте до 20 ГГц при напряжении питания около 1 вольт. А руководство компании уже говорит о грядущих процессорах с тактовой частотой до 30 ГГц. Предпосылки для производства таких микропроцессоров в Intel уже созданы, заявляют представители компании.

Сторонники искусственного интеллекта искренне уверены, что цель существования Человечества - создать компьютерный сверхразум

Искусственный интеллект, в самом настоящем понимании этого термина, подразумевает суррогатный, но конкурентноспособный относительно человеческого вид разума, «живущий», например, на компьютерной основе. Пока удалось создать лишь некие подобия, «обезьяньи имитаторы» человеческой разумной деятельности. Да, марсоходы, самостоятельно избегая тривиальных препятствий, автономно распахивают безжизненность пустынь Красной планеты, но для задания направления исследований все равно нужна человеческая команда с Земли. Да, полупроводниковые агрегаты, напичканные сотнями миллионов транзисторов, научились худо-бедно записывать текст под диктовку, но самая элементарная оговорка, понятная живому слушателю, сразу ставит их в тупик. Да, компьютер научили автоматически переводить слова с одного языка на другой, но полученные от такого «искусственного переводчика» тексты без правки живым знатоком языка по-прежнему не очень качественны.

Искусственный интеллект (AI) давно стал частью нашей жизни. Он помогает отдыхать, делать покупки, учиться и работать. В маркетинге машины также нашли обширное применение.

В этой статье вы увидите примеры, как работает искусственный интеллект в маркетинге.

Построение сайтов

Сервис The Grid представляет робота-помощника Молли. Она помогает разрабатывать сайты на разных платформах за короткое время.

В чем смысл? Молли создает сайт без разработчиков и инженеров. За один сайт компания просит не больше 100 долларов в год. Согласитесь, это ничто по сравнению с годовой зарплатой команды разработчиков.

Но без людей все-таки никуда: они подбирают изображения, текст, СТА. Молли берет эти данные и строит сайт.

Как это происходит, смотрите в коротком видео:

Создание контента

Копирайтеры могут быть спокойны - ИИ не проникнет в их сферу слишком глубоко. Но кое-что в области контента машины сделать могут. Многие крупные издатели и медиа используют инструменты вроде Wordsmith:

Машины создают кликабельный контент - новости, описания отелей, одежды и товаров, помогают с отчетами. Они используют шаблоны, заполняют формы нужными словами и ключами, а также создают другой уникальный контент, который практически не отличается от человеческого.

Конечно, Пулитцеровскую премию за подобные тексты ИИ не получит, но предложения и фразы вполне читабельны.

Новость о бейсбольном матче для The Associated Press написал ИИ:

Не самая увлекательная история, но смысл вполне понятный: команда State College выиграла у Brooklyn Cyclones со счетом 9:8.

Написанный машиной текст можно редактировать в приложении Hemingway:

Это тоже искусственный интеллект. Простое приложение выжимает «воду» из текста.

Отечественный аналог — сервис Главред.

Хорошо, когда не нужно вставать с дивана, чтобы запустить новый сериал или фильм. Многие медиакомпании используют ИИ. Закончился один фильм - машина автоматически запускает другой, чтобы не утруждать людей.

ИИ анализирует поведение пользователей и предлагает контент. Это может, например, IBM Watson:

Спортивная соцсеть UNDER ARMOUR RECORD использует Ватсона для кастомизации посланий пользователям приложений, а Музей современного искусства, Сан-Франциско, создал арт-бота на основе ИИ Ватсон. Бот общается с посетителями музея и просто любителями искусства. Он анализирует сообщение и показывает картины:

«- Пришли солнышко. - Роберт Бехтле, Watsonville Olympia, 1977».

Неплохо знает пользователей Яндекс, который вплотную занимается нейросетями. Вот так Яндекс.Музыка ищет пути узнать нас ближе:

Поисковики

Чего хотят пользователи? Знает искусственный интеллект. От этих знаний зависит оптимизация контента, которой занимаются маркетологи. Машины также влияют на поиск и поисковики.

Так, например, дверь в будущее открыл голосовой поиск и гугловская система ранжирования поисковых результатов RankBrain. Она интерпретирует данные и строит предположения, что вам может быть интересно. ИИ самостоятельно старается догадаться о значении незнакомых слов.

Машины - Amazon Echo, Google Home, Siri и Cortana от Microsoft - облегчают жизнь и поиск. Достаточно нажать кнопку или сказать слово - и они найдут нужную информацию. Вместо «рестораны в Москве» достаточно сказать «где можно поесть?» и ИИ покажет путь.

Параметры поиска меняются, меняется контент. Длинные запросы исчезают, вместо них появляются короткие разговорные фразы. Меняется принцип создания контента. Если раньше были ключевые слова, сегодня упор делается на кластеры топиков. Берется одна тема и вокруг нее создается контент из нескольких статей.

Маркетинговая автоматизация

Бренды используют ИИ для кастомизации рассылок клиентам. Машины учитывают предпочтения и поведение клиентов, чтобы делать более релевантные предложения.

Boomtrain анализирует историю взаимодействия клиентов с контентом и создает рассылки:

Интернет-магазин белья Adore me работает с Optimove:

Инструмент использует ИИ для сегментирования списка клиентов и последующего вовлечения и конверсии. Машина высылает разные предложения для разных групп и взаимодействует с пользователями в приложении. Бренд в плюсе: выросла выручка и количество активных клиентов.

Искусственный интеллект высвобождает кучу времени, которое можно потратить на то, что действительно важно и нужно.

Соцсети

Игры с изображениями

Фотофильтры - с ними можно играть часами. И это тоже нейросети. Машины научились распознавать человеческие лица, чтобы пользователи соцсетей не скучали и развлекались с фотофильтрами.

С помощью ИИ бренды и звезды становятся ближе к потенциальным покупателям.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Курсовая работа по дисциплине "Информационные технологии"

На тему "Области применения искусственного интеллекта"

Выполнил Тимошенко Александр Викторович

Введение

3. Основные области применения искусственного интеллекта

3.2 ИИ в вооружённых силах

Заключение

Глоссарий

Введение

Понятие искусственный интеллект, весьма неоднозначно. Если собрать воедино все что сказано за последние 40 лет, то выясняется, что для того чтобы понизить затраты времени и энергии человек просто хочет создать себе подобного для выполнения конкретных действий.

С начала 50-х годов ученые все большего числа исследовательских лабораторий устремились к одной цели: построить компьютеры, действующие так чтобы по результатам работы их невозможно было бы отличить от разума человека. К искусственному интеллекту в последнее время наблюдается большой интерес, вызванный повышениями требований и информационным системам. Человечество стремительно движется к новой информационной революции, которую можно сравнивать по масштабам с развитием Интернета, имя этой революции - искусственный интеллект.

Искусственный интеллект сейчас очень активно изучается и развивается. В этой области сконцентрированы наибольшие усилия лингвистов, философов, психологов, математиков, инженеров и кибернетиков. Здесь решаются конкретные вопросы, которые связаны с путём развития научной мысли, с влиянием достижений в таких областях как: вычислительная техника и робототехника на жизнь будущих поколения людей. Здесь возникают новые различные методы научных исследований. Здесь формируется новый взгляд на те или иные научные результаты, а также возникает философское осмысление полученных результатов. Продвигаясь вперед, исследователи, работающие в области ИИ, столкнулись с очень запутанными проблемами, которые выходят за границы традиционной информатики. Оказывается, прежде всего, необходимо было понять механизмы процесса обучения, чувственного восприятия и природу языка. Учёные выяснили, что для того чтобы имитировать работу мозга человека требуется понять механизм действия миллиардов взаимосвязанных нейронов. Оказалось что самая трудная проблема, которая стояла перед исследователями современной науки - познание процесса функционирования человеческого разума, а не просто имитация работы. Это затрагивало теоретические проблемы психологической науки. Учёные никак не могут прийти к единому мнению на счёт самого предмета их исследований - интеллекта. Для некоторых интеллект это умение решать сложные задачи; а другие рассматривают его как способность обучаться, обобщать, анализировать; третьи - как возможность взаимодействия с окружающим миром путем восприятия, общения и осознания воспринятого.

Многие исследователи искусственного интеллекта готовы принять тест машинного интеллекта, предложенный в конце 40-х годов выдающимся английским специалистом по ВТ Аланом Тьюрингом. «Компьютер можно считать разумным, - утверждал Тьюринг, - если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком».

Объектом исследования в данной курсовой работе является искусственный интеллект. Предметом исследования - пути совершенствования и развития искусственного интеллекта.

Цель данной работы выявить области применения искусственного интеллекта.

Основные задачи, которые необходимо решить в данной работе:

1) Рассмотреть зарождение искусственного интеллекта;

2) Понять для чего создают искусственный интеллект;

3) Современное применение искусственного интеллекта;

4) Исследовать перспективные направления искусственного интеллекта;

5) Понять, как ИИ используется в военных целях;

6) Раскрыть будущее искусственного интеллекта;

7) Исследовать нейронные сети;

1. Понятие «Искусственный интеллект»

Интеллектуальной называется система (Рис. 1) способная целеустремлённо в зависимости от состояния информационных входов, изменять не только параметры функционирования, но и сам способ своего поведения, причём способ поведения зависит не только от текущего состояния информационных входов, но тажке и от предыдущих состояний системы.

Рисунок 1 «Интеллектуальная система»

Приведём несколько примеров.

Любой живой организм - интеллектуальная система. Он обладает долговременной памятью и способностью к самообучению. Ребёнок, притронувшись к горячей плите, уже не повторит ошибки. Щенок, впервые погнавшись за кошкой, получит серьёзный урок и вряд ли снова решит с ней поиграть. При следующей встрече он, скорее всего, убежит или покажет зубы, или проявит ещё одну из тысячи возможных реакций.

Технические же системы чаще всего не являются интеллектуальными, т.е. их реакция на одно и то же событие не может измениться кардинально. Система автоматизированного управления давлением газа в трубе может открывать и закрывать заслонку (управлять параметрами), но она не может принять решение совсем вывинтить заслонку из трубы. Если аварии газопровода предшествует изменение давления (например, сначала резкое повышение, а затем резкое понижение), то автоматическая система воспринимает это как нормальную ситуацию и попытается «отрегулировать» её движением заслонки. Даже если после каждой аварии мы будем добавлять в систему управления новый блок, точно фиксирующий параметры предыдущей ситуации, ничего не изменится. Простое накопление данных не «обучит» систему.

Дело в том, что щенок, получивший урок от кошки, запомнил не только параметры ситуации (длину когтей и скорость реакции), но и правила поведения (не подходи, не подставляй нос, если залаять - она убежит).

Интеллектуальной называется система, моделирующая на компьютере мышления человека.

Второе определение появилось в 60-ые ее, когда считалось, что мозг человека можно смоделировать на компьютере. Клетка мозга - нейроны программно описывались специальными математическими методами. Компьютерная программа, таким образом, представляла как бы кусочек мозга человека. На вход программы подавались некоторые данные (на вход клетки мозга в живом организме подаётся электрический сигнал), на выходе снимались результаты, которые сверялись с эталоном. В зависимости от того, насколько полученные результаты отклонялись от эталона, в расчётные коэффициенты вносились изменения. В зависимости от количества циклов такого «обучения» результаты работы очень маленького мозга человека.

Идея о возможности повторить мозг на компьютере к 80-м гг. XX в. Потерпела полную неудачу, однако теория нейронных сетей, нейросетевой подход доказали что полезность на целом ряде практических приложений. Хорошие результаты получены в первую очередь на задачах предсказания значений параметров и распознавания образов.

Интеллектуальной называется система, позволяющая усилить интеллектуальную деятельность человека за счёт ведения с ним осмысленного диалога.

К концу 80-ых гг. стало совершенно очевидно, что создать универсальный искусственный интеллект невозможно. Более того, выяснилось, что это совершенно не нужно, Следует создавать узкоспециализированные интеллектуальные системы, которые не заменят человека, но дополняют его. Человек имеет ряд уникальных особенностей, но не свободен от недостатков. Не один не обладает реакцией кошки. Никто из нас не способен прочитать роман Л.Н. Толстого «Война и мир» за одну минуту, редко кто обладает энциклопедической памятью. Компьютер обладает энциклопедической памятью, компьютер совершает миллионы операций в секунду, компьютер реагирует мгновенно. Но компьютер - это «глупое железо», он не способен мыслить, не способен отвечать за собственные поступки.

Подчеркнём актуальность совместной деятельности человека и машины. Необходимо, чтобы компьютер служил советчиком человека, быстро анализировал ситуацию, генерировал варианты действия на основе огромной памяти и предлагал человеку, а человек рассматривал предложенные варианты и пояснял, почему тот или иной вариант плох. Компьютер, учитывая полученные разъяснения, вновь анализировал бы все варианты действия и выдавал новые, а человек выбирал подходящий вариант и нёс ответственность за его реализацию.

Пример: система автоматизированного наведения ракет обнаружила цель. Цель была обнаружена цель. Цель была обнаружена практически мгновенно, человек даже не успел её заметить. Ракета была автоматически наведена на цель. Цели был послан запрос «свой - чужой». Цель появилась на пульте управления перед оператором, человек принял решение о поражении, выбрал тип оружия и нажал кнопку «уничтожить». В случае полностью автоматизированного ведения цели существовала бы реальная опасность уничтожить свой самолёт. В обратном случае, если бы наведением на цель посылкой запроса заниматься человек, могло быть упущено время.

Таким образом, сегодня искусственный интеллект - это самообучающийся инструмент, усиливающий деятельность человек по генерации и принятию решений.

1.1 Современные области исследований в ИИ

В последнее десятилетие ушедшего века ясно обозначались следующие важные направления развития интеллектуальных систем. [ Д.В. Смолин-«Введение в искусственный интеллект» -23с. 2]

1 Системы, имитирующие творческие процессы. Создание музыкальных произведений, решение игровых задач (шахматы, шашки, домино), автоматический перевод, доказательство теорем, распознавание образов, имитация мышления и т.п.

Попытки программировать на ЭВМ игры, характерны для современного ИИ с момента его возникновения. [ Э.Хант Искусственный интеллект. Издательство «Мир» 1978- 25c. 3]

2 Информационные системы, основанные на знаниях (экспертные системы) т.е. консультирование малоопытных пользователей, настройка оборудования, обучение и др.

3 Интеллектуальные информационные системы - большие и очень большие программы, предназначенные для решения задач в предметной области на основе математических и алгоритмических моделей и обладающие способностью вести осмысленный диалог с пользователем с целью упростить управление, сократить объём работы человека, повысить качество и т.п.

4 Робототехника. С точки зрения «интеллектуальности» различают несколько поколений роботов. Первое поколение - роботы манипуляторы, действующие по заранее утверждённой и неизменной программе (например, подающие заготовки к станку). Если в процессе работы по каким-либо причинам изменится расстояние до заготовки, робот её потеряет. Второе поколение - адаптивные роботы. Члены таких роботов оснащены большим количеством датчиков: угломеров, тензометров, газовых анализаторов и др. Такие роботы применяются, например, для сварки кузовов автомобилей. Дело в том, что достаточно крупные технические изделия, даже выпускаемые серийно, всё равно получаются уникальными. Длина двух автомобилей одной и той же марки различна. Адаптивный робот делает сваркой шов не в абсолютных координатах, а относительно некоторой точки начала отчёта, которую сам же и находит на кузове автомобиля. При необходимости человек - сварщик берёт управление на себя, а робот, запоминая его действия в новой ситуации, «обучается». Первые два вида роботов - промышленные роботы, сконструированные для работы на заранее определённой среде - цехах завода. Для ориентации и точного позиционирования в пространстве в цеже имеется большое количество контрольных точек - датчиков, координаты которых неизменны. Гораздо сложнее роботу, которых находится в реальном мире, например, обследует затонувший корабль. Приходится отвечать на вопросы: «где я?», «что передо мной?», «можно ли пройти к?» и др. Интеллектуальным роботам приходится обрабатывать данные своих датчиков и команды человека в реальном масштабе времени, а если предусмотрен ещё и прогноз событий, то в «сверхвиртуальном» (применяются, например, для управления транспортными средствами). Схожие проблемы возникают у поисковых роботов - особого класса программ, предназначенных для индексирования документов в глобальной сети Интернет, что обеспечивает работу поисковых машин.

5 Диагностика. Медицинские диагностические программы, основанные на вероятностном анализе, сумели достичь уровня опытного врача в нескольких областях медицины. Хекерман описал случай, когда ведущий специалист в области патологии лимфатических узлов не согласился с диагнозом программы в особо сложном случае. Создатели программы предложили, чтобы этот врач запросил у компьютера пояснения по поводу данного диагноза. Машина указала основные факторы, повлиявшие на ее решение, и объяснила нюансы взаимодействия нескольких симптомов, наблюдавшихся в данном случае. В конечном итоге эксперт согласился с решением программы.

6 Планирование снабжения. Во время кризиса в Персидском заливе в 1991 году в армии США была развернута система DART (Dynamic Analysis and Replanning) для обеспечения автоматизированного планирования поставок и составления графиков перевозок. Работа этой системы охватывала одновременно до 50 000 автомобилей, единиц груза и людей; в ней приходилось учитывать пункты отправления и назначения, маршруты, а также устранять конфликты между всеми параметрами. Методы планирования на основе искусственного интеллекта позволяли вырабатывать в течение считанных часов такие планы, для составления которых старыми методами потребовались бы недели. Представители агентства DARPA (Defense Advanced Research Project Agency - Управление перспективных исследовательских программ) заявили, что одно лишь это приложение сторицей окупило тридцатилетние инвестиции в искусственный интеллект, сделанные этим агентством.

7 Автономное планирование и составление расписаний. Работающая на удалении в сотни миллионов километров от Земли программа Remote Agent агентства NASA стала первой бортовой автономной программой планирования, предназначенной для управления процессами составления расписания операций для космического аппарата. Программа Remote Agent вырабатывала планы на основе целей высокого уровня, задаваемых с Земли, а также контролировала работу космического аппарата в ходе выполнения планов: обнаруживала, диагностировала и устраняла неполадки по мере их возникновения.

2. Области применения искусственного интеллекта

В последние время наблюдается очень активные действия по использованию и внедрению нейронные сетей в самые различные области таких как: техника, геология, физика, бизнес и т.д. На рисунке 2 представлена нейронная сеть.

Рис. 2 «Нейронная сеть»

Нейронные сети применяются везде, где необходимо решить задачи связанные с управлением, прогнозированием, а также с классификацией. Такое активнейшее использование обуславливается следующими причинами:

Широкие возможности. Для воспроизводства очень сложных зависимостей используются мощные методы моделирования, которые реализуются с помощью нейронных сетей. Весьма длительное время в большинстве областей применялось линейное моделирование, оно являлось основным методом, так как для него разрабатывались различные хорошо оптимизированные процедуры. Линейные модели в задачах работают плохо там, где не очень хорошо себя проявляет линейная аппроксимация. А также нейронные сети не позволяют оперировать в случае большого числа переменных благодаря предотвращению «проклятия размерности».

Простота в использовании. Нейронные сети способны обучаться на примерах. Человек, пользующийся нейронной сетью, выбирает необходимые данные, далее ему даётся возможность запуска алгоритма обучения, который воспримет данные автоматически. От пользователя, разумеется, требуются какие-то эвристические знания о том, как нужно отобрать и подготовить данные, выбрать необходимую архитектуру сети, а также обработать результаты. Для того чтобы использовать нейронные сети, необходим, гораздо меньший уровень знаний, чем для использования традиционных методов статистики.

Нейронные сети очень привлекают к себе внимание тем, что они основаны на простой модели нервной системы. В недалёком будущем развитие таких моделей действительно может послужить созданию мыслящих машин (компьютеров). Существует система ST Neural Networks которая способна создавать простые нейронные сети, что является находкой для специалистов по прикладной статистике.

2.1 Применение нейронных сетей

Задачи, которые решают нейронные сети, определяются тем, как сеть функционирует и обучается. Нейронная сеть, решая определённые задачи, выдаёт и принимает значения. Сеть применяют для того, чтобы из имеющийся, известной информации получить некоторую не известную информацию. Примеры подобных задач:

Прогнозирование на фондовом рынке.

Можно спрогнозировать цену акции на завтрашний день, зная цены акций за последнюю неделю.

Предоставление кредита.

Частное лицо обратилось в банк. Нужно определить, высока ли степень риска предоставления кредита.

Управление. Необходимо определись действия робота, для того чтобы он достиг своей цели благодаря установленной на нём камере.

Далеко не все задачи можно решить, применяя нейронные сети. Если вы решили определить результат лотереи, зная свой рост, то ничего не получится, так как эти вещи никакого отношения друг к другу не имеют. Если тираж проводится без обмана, то нет такой информации, которая могла бы предсказать итог игры с точностью.

Ещё одно не менее важное условие применения нейронных сетей: Необходимо с уверенностью знать, что между известными входными и неизвестными выходными значениями имеется связь. Эта связь может быть искажена шумом, но она должна существовать.

Нейронная сеть обычно используется, когда неизвестны точные виды связей между выходами и входами, - в случае если они известны, то связь можно смоделировать непосредственно. Ещё одна не менее важная особенность нейронных сетей это обучение сети. Для обучения нейронных сетей применяются алгоритмы двух типов: управляемое и не управляемое. Чаще всего применяется управляемое обучение.

Для управляемого обучения пользователи должны заранее подготовить пакет обучающих данных. Они из себя представляют примеры входов и выходов. Сети учатся устанавливать связи между ними. Такие обучающие данные, как правило, берутся из истории. В примерах, которые рассмотрены выше, такими данными могут послужить предыдущие цены акций, информация о прошлых заемщиках - как они выполнили свои обязательства перед банком.

Далее нейронная сеть обучается при помощи определённого алгоритма управляемого обучения, для того чтобы свести ошибку прогноза на нет. В случае если уровень обучения сети высок, она способна смоделировать неизвестную функцию, которая связывает входные и выходные переменные. В будущем такую сеть можно использовать для прогнозирования различных ситуаций с неизвестными выходными значениями.

3. Применение искусственного интеллекта

3.1 Возможная стратегия и план создания ИИ

Без эксперимента нет науки, невозможно определить правильность выбранного пути, поэтому является необходимым:

1) создать виртуальную среду обитания прототипа, так как собрать механическое чудо, с множеством сенсоров намного труднее и дороже.

2) имитировать сенсоры, такие как слух, виртуальное зрение («зрение» - в виде виртуального пространства, видео камеры и «ИНЕТ»), виртуальные ручки и ножки, которые можно выполнить весьма упрощенно, главное научить ИР говорить, нажимать клавиши, делать движения виртуальными ручками, ножками и прочими виртуальными частями, например курсором мышки.

4) создать прототип ИР - т.е. алгоритмы работы и роста клеток, алгоритмы установки связей и прочее, что позволит в той или иной мере имитировать работу множества разновидностей нейронных клеток и структур.

5) начать «воспитывать» ИИ в его виртуальной среде, взаимодействуя с ним и виртуальной средой, по ходу меняя алгоритмы и структуру, доводя процесс «соображения» до совершенства.

Полезнее всего было бы применить ИИ там, где критически важна адаптация, и где простые алгоритмы не дают эффекта. В первую очередь это все сферы связанные с человеком, Начиная от помощи в управлении автомобилем, лифтом и домашней техникой до развлечений, человекоподобной помощи, и вообще решении всех мелких проблем, на которые человек не хочет тратить свое время.

А вообще такую систему можно применять намного шире - например, как самоорганизующуюся систему, перед которой ставится только общая цель, а её реализация уже ложится на плечи самой системы. Скажем, выкопать карьер для добычи полезных ископаемых. Т.е. вообще везде, где можно получить прибыль, увольняя людей.

3.2 ИИ в вооружённых силах

искусственный интеллект нейронный сеть

Военная отрасль промышленности всегда развивается особенно стремительно, используя все самые современные научные наработки. Развитие компьютерной и роботетхники не осталось в стороне от взглядов военных, и во многих армиях мира уже есть полностью роботизированные боевые единицы - роботы-саперы, беспилотники, разведчики, в небольших количествах стали появляться боевые роботы. Пусть они еще достаточно примитивны и им далеко до роботов-андроидов, подобных героям фильма "Терминатор", но появление подобных боевых единиц лишь вопрос времени. Возможно, когда-нибудь в дополнение к стальному скелету они получат и искусственный интеллект, ничем не уступающий по своим способностям человеческому мозгу.

В настоящее время большинство современной робототехники способно выполнять множество сложных задач, но по-прежнему нуждается в контроле со стороны человека. Человек всегда стремился к бессмертию, неуязвимости, подарить их себе он пока не в состоянии, но создавать роботов-андроидов, обладающих сильным металлическим каркасом-скелетом (по меркам человека практически бессмертным), уже способен. Вот только, чтобы создать машину, равную себе, необходимо научить ее думать самостоятельно. Военные давно обратили свое внимание на попытки создания искусственного интеллекта (ИИ), данные разработки находятся под их пристальным вниманием. Сказать, когда на поле боя появятся роботы, способные действовать совершенно автономно, без участия человека, нельзя, но вероятность того, что это когда-нибудь произойдет, достаточно велика.

В настоящее время зачатки искусственного интеллекта уже довольно давно используются в авиации. Современный автопилот способен выполнить рейс от взлета до посадки полностью без помощи человека. Обычные автомобили под управлением ИИ способны преодолевать значительные расстояния, обходясь без человеческой помощи. Во Франции и Японии по железным дорогам ездят автоматические поезда под управлением ИИ, который способен обеспечить максимальный комфорт и удобство для пассажиров во время поездки. Сегодня технология развития искусственного интеллекта включает несколько подходов, среди которых можно выделить следующие:

1) Нейронные цепи, функционирующие на принципах, схожих с работой человеческого мозга. Они применяются для распознавания рукописного текста и речи, в финансовых программах, для постановки диагнозов и т.д.

2) Эволюционные алгоритмы, когда робот создает программы путем их мутации, скрещивания (обмен частями программ) и тестирования на выполнении какой-либо целевой задачи. В данном случае программы, позволяющие добиться наилучшего эффекта, выживают после множества пробных прогонов, что и обеспечивает эффект эволюции.

3) Нечеткая логика - позволяет компьютеру использовать термины и объекты из реального мира и взаимодействовать с ними. С помощью нее компьютер должен понять значение таких «человеческих» терминов как - теплее, близко, почти. Нечеткая логика находит применение в бытовой технике, такой как стиральные машины, кондиционеры.

При этом в последнее время все большее внимание уделяется психофизиологии и полученным с ее помощью наблюдениям за человеческим мозгом. Человек уже примерно понимает, как устроен наш интеллект и сознание. Сканирование мозга и проведение множества экспериментов показали, что у всех наших мыслей и чувств есть вполне реальное физическое воплощение. Любая мысль по своей сути это последовательность активации цепочки нейронов в нашем мозге. А значит, этот процесс можно изучать и научиться им управлять, изготавливать компьютерные симуляции. В настоящее время уже существуют компьютерные модели, моделирующие модели нейронов человека и животных. Ученым удалось полностью описать работу простейшего животного - кальмара. Появляются первые модели, которые соединяют в себе нейронные системы и кремниевую электронику.

Все это дает ученым основание полагать, что к 2030 году компьютеры будут в состоянии достичь такой вычислительной мощи, чтобы сравняться с человеческим мозгом по его возможностям. Фактически это сделает возможным загрузку человеческого сознания в компьютер. Еще более вероятно, что уже в 2020 году будут созданы теоретические основы сознания чисто машинного разума. В любом случае в период между 2025 и 2035 годом искусственный интеллект сможет сравняться по своим возможностям с человеческим, а затем и превзойти его.

3.3 Будущее искусственного интеллекта

Индустрия информационных технологий - одна из наиболее динамично развивающихся сфер жизни. В соответствии с законом Мура, в 2020 году компьютеры достигнут мощности человеческого мозга, т.к. смогут выполнять 20 квадриллионов (т.е. 20.000.000 миллиардов) операций в секунду, а к 2060 году, как считают некоторые футурологи, компьютер сравняется по силе разума со всем человечеством. Впрочем, еще в 1994 году ПК на базе процессора Intel Pentium со смехотворной, по нынешним временам, частотой 90 МГц обыграл в серии турниров по шахматам нескольких сильнейших гроссмейстеров мира, включая действующего чемпиона планеты - Гарри Каспарова.

Тот же Гордон Мур в середине 90-х годов так сравнивал темпы развития микропроцессорных технологий и автомобильной промышленности: "Если бы автомобильная промышленность развивалась с той же скоростью, что индустрия полупроводников, то "Роллс-ройс" смог бы сегодня преодолеть расстояние в полмиллиона миль на одном галлоне бензина, причем его было бы дешевле каждый раз выбрасывать, чем парковать".

Сегодняшние информационные технологии уже способны на многое. В последнее время активно развивается разработка телематических терминалов (бортовых систем управления) для автомобилей. По данным аналитической компании Forrester Research, к 2006 году телематическими терминалами для обработки и передачи информации будет оборудовано около 80% от общего числа новых машин.

Уже сегодня существуют реальные возможности применения такого рода технологий в практически любом автомобиле. Например, телефонная гарнитура BlueConnect производства компании Johnson Controls - интегрированный автомодуль hands-free на базе процессоров Intel PXA250 и Intel PXA210 - позволяет водителю выполнять самые разнообразные действия, активизируемые голосом, с помощью сотового телефона и технологии Bluetooth.

Еще одним устройством, в котором применены новые процессоры, является мультимедийная автомобильная платформа, которая предоставляет пассажирам автономный доступ к таким ресурсам, как видео в формате DVD и аудиозаписям в формате MP3, транслируемым по сети Media Oriented System Transport (MOST).

Автомобилестроение - только одна из многих сфер жизни, где микропроцессоры занимают все большее место. Очевидно, что с каждым годом все более мощные микропроцессоры будут применяться во все большем количестве различных бытовых устройствах. Недавно специалистами Intel были разработаны транзисторы, скорость действия которых превышает скорость Pentium 4 почти на 1000%. Тем самым было доказано, что нет никаких фундаментальных препятствий для продолжения развития микропроцессоров в соответствии с законом Мура до конца текущего десятилетия.

Такие транзисторы, имеющие размер всего 20 нанометров, позволят компании Intel к 2007 г. создать процессоры с миллиардом транзисторов, работающие на частоте до 20 ГГц при напряжении питания около 1 вольт. А руководство компании уже говорит о грядущих процессорах с тактовой частотой до 30 ГГц. Предпосылки для производства таких микропроцессоров в Intel уже созданы

Сегодня, например, в Animat Lab разрабатывается проект Psikharpax, где в роботе синтезируются некоторые из адаптивных механизмов и нервных структур, ответственных за пространственную навигацию у крыс. Способности этой крысы-робота будут расти за счет «обучения без учителя», то есть анимат будет сам строить когнитивную карту среды и вырабатывать адаптивные стратегии поведения по механизмам, схожим с теми, что использует мозг крысы. В группе гуманоидной работники (Humanoid Robotics Group) из лаборатории искусственного интеллекта в MIT сегодня разрабатываются обезьяноподобные и мобильные роботы (Kismet, Сосо) с гораздо более сложным, чем у первых насекомоподобных роботов, поведенческим репертуаром, куда, в частности, входят способности к социальным взаимодействиям и аффективным эмоциональным реакциям.

Кроме того, эксперименты с такими роботами могут стимулировать появление новых идей, проливающих свет на принципы адаптивного поведения. Как минимум, такие эксперименты позволяют отсекать заведомо нереалистичные теории. Моделирование как средство элиминации ошибок - мощный инструмент в познании работы мозга. Поэтому многие нейробиологи настаивают на том, что теории работы мозга должны быть сформулированы алгоритмично, чтобы допускать моделирование. Один из ведущих нейробиологов-теоретиков, Нобелевский лауреат Джеральд Эделман стал и одним из пионеров эволюционного обучения роботов. Эделман, создавший фундаментальную теорию работы мозга и биологических основ сознания, в своем институте в Калифорнии (Neuroscience Institute) разрабатывает серию роботов NOMAD. Эти роботы имеют еще и родовое имя «Дарвин». Каждый новый «Дарвин» появляется на свет практически необученным, но, сталкиваясь с объектами внешнего мира и имея какое-нибудь врожденное предпочтение, начинает вырабатывать собственные абстрактные категории. У робота появляются знания, которые он может использовать и в других задачах. То есть начинает работать один из принципов, по которым, судя по всему, шла эволюция механизмов интеллекта.

Заключение

В настоящее время идут активные споры на счёт проблемы возможности создания искусственного интеллекта. Многие считают, что создание ИИ унизит человеческое достоинство. Возможности ИИ с вопросами о совершенствовании и развитии человеческого разума смешивать нельзя.

В современном мире ИИ используется практически повсеместно, это создаёт предпосылки для нового толчка прогресса. Искусственный разум позволяет автоматизировать производство, а значит и продуктивность труда. Но кибернетика имея огромное число плюсов, также имеет свои минусы, которые требуют очень пристального внимания человечества. Эти минусы связаны с опасностью, возникающей при работе с искусственным интеллектом.

Одни из проблем связаны с возможностью потери стимула людей к творческому труду. Всему виной всеобщая компьютеризация и использование машин в сфере искусств. Но всё же стало ясно, что люди добровольно не отдадут самый квалифицированный творческий труд, так как он является привлекательным для самих людей.

Вторая группа проблем более серьёзна и состоит она в следующем. Уже в настоящее время существуют программы и машины, которые в процессе свое работы способы обучаться, то есть приспосабливаться к внешним факторам. В ближайшем будущем могут, появится машины, которые будут обладать таким уровнем надёжности и приспособляемости, что человеку не нужно будет вмешиваться в процесс. В таком случае человек перестанет выполнять свою функцию - функцию поиска решений.

Возможно, человек станет, не способен адекватно реагировать на изменения внешних условий, а также возможно перестанет быть способен принять управление на себя в случае ЧС. Необходимо будет ввести некоторые пределы в автоматизации процессов, которые связаны с тяжёлыми аварийными ситуациями, тогда у человека, производящего надзор за управляющей машиной, всегда хватит реакции и умения правильно действовать в непредвиденной ситуации.

Подобные ситуации возможны в ядерной энергетике и транспорте. Стоит особенно отметить таковую опасность в ракетных войсках, так как ошибка может иметь ужасные последствия.

Оказывается, что, даже перепроверяя и многократно дублируя, вероятность ошибок очень высока. Отсутствие контролирующего оператора может привести к фатальной ошибке.

Проблемы ИИ будут решаться людьми постоянно. Будут появляться всё новые и новые проблемы и, похоже, что этот процесс является бесконечным.

В данной работе были рассмотрены некоторые проблемы искусственного интеллекта, задачи ИИ, краткая история зарождения искусственного интеллекта, области применения ИИ, использование ИИ в вооружённых силах, а также нейронные сети. Материал данной курсовой работы будет интересен людям, интересующимся современными технологиями в области искусственного интеллекта. Цели, поставленные перед курсовой работой, выполнены.

Глоссарий

		Определение
	Аппроксимация	(приближение)-- научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми.
	Искусственный интеллект	под этим понимают способности компьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека
	Искусственная нейронная сеть	это математическая модель, а также устройства параллельных вычислений, представляющие собой систему соединённых и взаимодействующих между собой простых процессоров
	Кибернетика	наука об общих закономерностях процессов управления и передачи информации в машинах, живых организмах и обществе.
		центральный отдел нервной системы позвоночных животных, образованный нервными и глиальными клетками и их отростками.
	Нейроподобная сеть	это параллельная связная сеть простых адаптивных элементов, которая взаимодействует с объектами реального мира аналогично биологической нервной системе
	Нервная система	целостная морфологическая и функциональная совокупность различных взаимосвязанных нервных структур, которая совместно с гуморальной системой обеспечивает взаимосвязанную регуляцию деятельности всех систем организма и реакцию на изменение условий внутренней и внешней среды. Нервная система действует как интегративная система.
		нервные клетки, структурно-функциональные единицы нервной системы. Кора головного мозга человека содержит 10--20 млрд. нейронов
	Парадигма	конца 60-х годов 20-го века этот термин в философии науки и социологии науки используется для обозначения исходной концептуальной схемы, модели постановки проблем и их решения, методов исследования, господствующих в течение определённого исторического периода в научном сообществе
	Программирование	процесс и искусство создания компьютерных программ с помощью языков программирования. Программирование сочетает в себе элементы искусства, науки, математики и инженерии

Список использованных источников

1Дмитрович А.И. Интеллектуальные информационные системы./ Дмитрович А.И. - Минск, - 1997. -125 с. -ISBN: 5-86534-576-6

2Брушлинский А.В. Возможен ли искусственный интеллект?/. -263 с. -ISBN: 5-86425-523-1

3И.А.Бессмертный. Искусственный интеллект - СПб: СПбГУ ИТМО, 2010. -168 с.

4Винер Н. Наука, электронная версия,/ Винер Н. - М. Кибернетика - 1998. -211 с. -ISBN: 5-15248-325-3

5Венда В.Ф. Системы гибридного интеллекта/Венда В.Ф. - М.: Машиностроение, - 1990. -232 с. -ISBN: 5-86475-354-8

6Волгин Л.И. Комплементарная алгебра нейросетей/ Волгин Л.И. - Таллин АО «KLTK», - 2003. -123 с. -ISBN: 5-86452-276-4

7Ноткин Л.И. Искусственный интеллект и проблемы обучения./ Ноткин Л.И. -132 с. -ISBN: 5-83334-336-9

8Соколов Е. Н., Вайткявичус Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру: Наука - 1989. -455 с. -ISBN: 5-83652-526-4

9Федюкович Н. И. Анатомия и физиология: Учеб. Пособие./ Федюкович Н. И. - Мн.: Издательство ООО «Полифакт-Альфа», - 1999. -115 с. -ISBN: 5-86324-476-8

10Цыганков В. Д. Нейрокомпьютер и его применение/ Цыганков В. Д. - М.: СолСистем,- 1993. -223 с. -ISBN: 5-84534-376-3

11Чернухин Ю. В. Нейропроцессоры / Чернухин Ю. В. - Таганрог - 2000. -212 с. -ISBN: 5-86224-176-1

12Эндрю А. Искусственный интеллект / Эндрю А. - М. Мир, - 1985. -187 с. -ISBN: 5-26552-745-1

Размещено на Allbest.ru

Подобные документы

Понятие искусственного интеллекта как свойства автоматических систем брать на себя отдельные функции интеллекта человека. Экспертные системы в области медицины. Различные подходы к построению систем искусственного интеллекта. Создание нейронных сетей.

презентация , добавлен 28.05.2015


История создания и основные направления в моделировании искусственного интеллекта. Проблемы обучения зрительному восприятию и распознаванию. Разработка элементов интеллекта роботов. Исследования в области нейронных сетей. Принцип обратной связи Винера.

реферат , добавлен 20.11.2009


Сущность и проблемы определения искусственного интеллекта, его основных задач и функций. Философские проблемы создания искусственного интеллекта и обеспечения безопасности человека при работе с роботом. Выбор пути создания искусственного интеллекта.

контрольная работа , добавлен 07.12.2009


Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.

курсовая работа , добавлен 29.08.2013


Обзор образовательных стандартов педагогического образования в области искусственного интеллекта. Построение модели предметной области в виде семантических сетей. Характеристика проблемного обучения. Основные средства языка программирования Пролог.

дипломная работа , добавлен 01.10.2013


Искусственный интеллект – научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. Черты искусственного интеллекта Развитие искусственного интеллекта, перспективные направления в его исследовании и моделировании.

реферат , добавлен 18.11.2010


Сущность искусственного интеллекта, сферы человеческой деятельности, в которых он распространен. История и этапы развития данного явления. Первые идеи и их воплощение. Законы робототехники. Использование искусственного интеллекта в коммерческих целях.

реферат , добавлен 17.08.2015


Исторический обзор развития работ в области искусственного интеллекта. Создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. От логических игр до медицинской диагностики.

реферат , добавлен 26.10.2009


Может ли искусственный интеллект на данном уровне развития техники и технологий превзойти интеллект человека. Может ли человек при контакте распознать искусственный интеллект. Основные возможности практического применения искусственного интеллекта.

презентация , добавлен 04.03.2013


Эволюция систем искусственного интеллекта. Направления развития систем искусственного интеллекта. Представление знаний - основная проблема систем искусственного интеллекта. Что такое функция принадлежности и где она используется?