Искусственный интеллект

ИИ в когнитивной науке

Философская критика возможности ИИ связана со ссылками на теорему К. Гёделя о неполноте , а также на неспособность ИИ к осмыслению осуществляемых преобразований символов. Так, согласно аргументации Дж. Сёрла , работа систем ИИ аналогична деятельности человека, который переводит текст с одного незнакомого ему языка на другой, механически заменяя символы с помощью словаря. Результат такой деятельности может быть осмысленным для внешнего наблюдателя, но остаётся совершенно непонятным для самого «переводчика».

К задачам приобретения знаний примыкают методы интеллектуального анализа данных . В арсенал средств интеллектуального анализа данных входят нейронные сети , рассуждения на основе прецедентов, эволюционное программирование и др. Особенностью ряда средств является возможность их применения к очень большим массивам данных, характеризующимся разнородностью данных и отсутствием их модели .

б) общий (сильный) ИИ: гипотетический ИИ, обладающий интеллектом, подобным человеческому, и способный понимать, учиться и применять знания таким образом, чтобы он был неотличим от человеческого интеллекта. Общий ИИ может справиться с любой интеллектуальной задачей, которую способен выполнить человек. К общему ИИ также относится искусственный суперинтеллект, который может превосходить не только уровень отдельного человека, но и уровень всего человечества.

В 1963 г. группой математиков под руководством А. С. Кронрода ( Г. М. Адельсон-Вельский , В. Л. Арлазаров, А. В. Усков и др.) были начаты работы над первой советской шахматной компьютерной программой. В 1967 г. эта программа в матче из четырёх партий, сыгранном по телеграфу, победила программу, созданную под руководством Дж. Маккарти, с общим счётом 3:1. Дальнейшее развитие советской программы, «Каисса», было успешным – она стала в 1974 г. победителем Чемпионата мира по шахматам среди компьютерных программ. В процессе разработки исследовались многие общие методы работы с информацией, такие как рекурсивный перебор, отсечение вариантов на основе формальных и неформальных соображений, организация справочных ( поисковые деревья , хеш-таблицы и т. п.).

С появлением инструментальных средств и технологий разработки экспертных систем это направление выделилось в самостоятельную область – инженерию знаний. Работы в области систем, основанных на знаниях, вызвали рост исследований методов представления знаний – структур данных общего характера. Потребность в технологиях разработки экспертных систем привела к созданию методов, технологий и программных средств переноса знаний в базу знаний системы.

а) символический ИИ (ИИ, основанный на правилах): реализует подходы, основанные на правилах и предполагающие использование заранее определённых символов и правил для представления знаний и выполнения рассуждений. К данной категории могут относиться экспертные системы, использующие базу знаний правил;

г) самосознание (гипотетический ИИ): тип ИИ, относящийся к машинам и обладающий сознанием и самосознанием. Такие машины способны понять бытность своего существования, эмоций и мыслей подобно человеческому самосознанию. Ныне указанный тип ИИ является концепцией и направлением развития технологии ИИ.

Развитие прикладных интеллектуальных систем первоначально шло по пути усложнения алгоритмов и уточнения эвристических подходов, что положило начало т. н. эвристическому программированию. Дальнейшее развитие этого направления привело к появлению в середине 1970-х гг. экспертных систем . Среди них – системы, предназначенные для порождения формул химических соединений на основе спектрального анализа , для диагностики и лечения заболеваний, для прогнозирования залежей полезных ископаемых . В СССР одной из первых была разработана система анализа текстовой информации ( Попов. 1987 ), создана экспертная система, на основе которой предложена система оценки качества воды, позволяющая определять причины превышения предельно допустимых концентраций загрязняющих веществ в реках и водоёмах ( Осипов. 1997 ).

Области применения ИИ

в) эволюционные алгоритмы: алгоритмы, основанные на процессе естественного отбора. Эволюционные алгоритмы используют такие механизмы естественного отбора, как репродукция (воспроизводство), рекомбинация, мутация и отбор. Алгоритмы данной категории применяются в задачах оптимизации и поиска.

в) теория разума (гипотетический ИИ): системы ИИ, понимающие человеческие эмоции, убеждения, намерения и другие психологические состояния. Гипотетический ИИ, реализующий указанный функционал, будет способен сопереживать и понимать человеческие эмоции и психические состояния;

Как часть исследований когнитивных процессов, работы в области ИИ непосредственно смыкаются с междисциплинарным анализом мышления, сознания, речи, понимания, восприятия и их мозговых механизмов. Центральной проблемой в этих исследованиях является определение критериев соответствия ИИ человеческому мышлению. Если в начале развития ИИ на первый план выдвигались критерии сходства результата ( тест Тьюринга – если наблюдатель не может отличить диалог с человеком от диалога с искусственной системой, то она разумна), ныне существенным представляется сходство самих процессов решения задач машиной и человеком.

а) ограниченный (слабый) ИИ: системы ИИ, спроектированные и обученные для решения конкретной задачи. Указанные системы действуют в ограниченном заранее определённом контексте и не могут выполнять задачи, выходящие за рамки их запрограммированной области (приложения для распознавания изображений, виртуальные помощники, а также системы рекомендаций);

Иску́сственный интелле́кт (ИИ; англ. Artificial Intelligence, AI), раздел информатики , в котором разрабатываются методы и средства компьютерного решения интеллектуальных задач, традиционно решаемых человеком. К прикладным направлениям ИИ относят создание технических устройств, способных к логическим выводам и рациональному поведению, к приобретению новых знаний и диалогу с человеком-пользователем. В теории ИИ используются математические методы, методы структурной лингвистики и когнитивной науки .

б) машинное обучение: осуществляет разработку алгоритмов и статистических моделей, позволяющих обнаруживать закономерности и принимать решения, основываясь на обучении или прогнозировании анализируемой информации. К существующим методам машинного обучения относятся обучение с учителем, без учителя и с подкреплением;

а) реактивные машины: системы ИИ, действующие на основе заранее определённых правил и не способные обучаться на новой информации или опыте. Данные системы реагируют на решение задач, представленных конкретными входными данными, заранее определённым установленным образом;

б) машины с ограниченной памятью: системы ИИ, которые могут обучаться посредством полученного опыта или информации. Такие системы ИИ позволяют принимать решения на основе имеющегося опыта и полученных данных, но характеризуются наличием ограничений по объёму данных, которые они могут обрабатывать;