2. Искусственный интеллект

БИОНИЧЕСКОЕ МОДЕЛИРОВАНИЕ

Обычно используют два метода: метод анализа целей и средств и метод планирования. Первый заключается в выборе и осуществлении таких операций, которые последовательно уменьшают разницу между исходным и конечным состоянием задачи. Во втором методе вырабатывается упрощенная формулировка исходной задачи, которая также решается методом анализа целей и средств. Один из полученных вариантов дает решение исходной задачи.

Под интеллектом мы понимаем способность любого организма (или устройства) достигать некоторой измеримой степени успеха при поиске одной из многих возможных целей в обширном многообразии сред. Необходимо отличать знания от интеллекта, имея в виду, что знания — полезная информация, накопленная индивидуумом, а интеллект — это его способность предсказываль состояние внешней среды в сочетании с умением преобразовывать каждое предсказание в подходящую реакцию, ведущую к заданной цели. По-разному дается и определение искусственного интеллекта. Полагают, что о реализации искусственного интеллекта можно будет говорить лишь тогда, когда автомат начнет решать задачи, непосильные для человека, причем сделает это не в результате высокого быстродействия, а в результате применения нового найденного метода. Однако не все с этим согласны. В большинстве случаев исследований по искусственному интеллекту лишь соизмеримыми с результатами, полученными человеком, и не столь оригинальными.

Путь, который предлагает кибернетика, состоит в построении эскизных моделей, охватывающих все более и более широкий диапазон функций мышления. Задачи раскрыть «в лоб» «сущность мышления» не ставится, а ставится задача построения эскизных моделей, позволяющих описать отдельные его стороны, воспроизведены отдельные его функции и, двигаясь в этом направлении, строить системы, все более приближающиеся к человеческому мозгу.

На этом основании выделяют внутри философскую и собственно профессиональную методологии и датируют период обособления методологии и приобретения ею самостоятельного статуса в 50-60-е годы XX-го века. Выделение методологии из проблемного поля философии в самостоятельную сферу объясняется тем, что если философия по существу своему обращена к решению экзистенциальных проблем и дилемм, то цель профессиональной методологии – создание условий для развития деятельности, любой деятельности: научной, инженерной, художественной, методологической и так далее.

Определение знания в контексте искусственного интеллекта даёт Никитина: «Понятие «знание», наряду с традиционными понятиями «интел­лект», «мышление» как объектами моделирования, начинает приме­няться в исследованиях искусственного интеллекта, начиная с 80-х гг. XX в. Вызвано это было тем, что разработчики информационных сис­тем столкнулись с необходимостью выявления и упорядочивания раз­нообразных данных, сведений эмпирического характера, теоретиче­ских положений и эвристических соображений из соответствующих областей науки или профессиональной деятельности, а также с необ­ходимостью задать такой способ их компьютерной обработки, чтобы информационная система могла успешно использоваться для решения задач, для которых она предназначается (поиск информации, поста­новка диагноза и т. п.). Соответственно, данные, находящиеся в памяти компьютера, стали усложняться и структурироваться, появились списки, документы, фреймы, семантические сети. Стали создаваться интеллек­туальные системы, основанные на знаниях, базы и банки знаний, разрабатывались понятия «представление», «приобретение» и «использо­вание» знаний. Сложился технологический подход к знанию ‒ инженерия знаний. В рамках технологического подхода к знанию, осуществляемого в ис­кусственном интеллекте, рассматриваются вопросы экономичности представления знаний с помощью тех или иных средств, их дедуктив­ных возможностей, эффективности в решении задач. Специалисты отмечают, что совершенствование информационных систем во многом зависит от решения задач и проблем представления знаний, а проблемы представления знания связаны, в свою очередь, с разработкой соответ­ствующих языков и моделей: логических, продукционных, фреймовых, семантических сетей и др. Даже история ИИ стала интерпретироваться как история исследования методов представления знания» [10, с. 97].

Для методологии характерно изучение не только методов, но и прочих средств, обеспечивающих исследование, к которым можно отнести принципы, регулятивы, ориентации, а также понятия. Весьма актуально на современном этапе развития науки, который именуют постнеклассикой, выделение ориентации как средств методологического освоения действительности в условиях неравномерности, нестабильного мира, когда о жестких нормативах и детерминациях вряд ли правомерно вести речь. Можно сказать, что на смену детерминации приходят ориентации.

ЭВРИСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ

В приведенном утверждении не проводится различие между информационным моделированием информационных процессов и информационным моделированием неинформационных процессов. Информационная модель прибора не будет работать, а будет только моделировать работу, однако в отношение мышления этот тезис представляется спорным. По отношении к информационным процессам их моделирование является функционально полным, т.е. если модель дает те же самые результаты, что и реальный объект, то их различие теряет смысл.

Работы по искусственному интеллекту во многом тесно связаны с философской проблемой кибернетического моделирования. Эти работы часто связывают с построением точной копии человеческого мозга. Однако такой подход можно назвать «некибернетическим». Каковы же черты кибернетического метода мышления, какие вопросы вносит кибернетика в человеческое познание? В своей «Истории западной философии» Б. Рассел ставит вопрос о факторах, позволивших европейцам создать тип культуры, в котором ведущее место заняла наука. Причину этого Рассел усматривает, как он выражается, в двух великих интеллектуальных изобретениях: изобретение дедуктивного метода древними греками (Эвклид) и изобретение экспериментального метода в эпоху возрождения (Галилей). Именно эти два интеллектуальных изобретения — дедуктивный метод (а тем самым математика) и эксперимент — позволили создать классическую науку. К этим двум основным интеллектуальным орудиям современное развитие познания добавляет третье — математическую модель и математическое моделирование. Соединение дедуктивных построений математики с данными, добытыми экспериментальным методом, создает естествознание, в центре которого стоит понятие научного закона. Совокупность законов — это основное содержание естествознания; их установление его основная задача.

Информация − данные, организованные кем-то, но не вами, по какой-то системе, нацеленной на то, чтобы сделать их востребованными и хорошо бы полезными для кого-либо, например, для вас. Расположение номеров в телефонной книге по алфавиту организует «сырые» данные в «годный к употреблению» документ (Винер Н. в книге «Кибернетика и общество», пер. Е. Г. Панфилова. М.: Иностранная литература, 1958, стр. 31, даёт следующее определение информации: «Информация — это обозначение содержания, полученного из внешнего мира в процессе нашего приспособления к нему наших чувств. Процесс получения и использования информации является процессом нашего приспособления к случайностям внешней среды и нашей жизнедеятельности в этой среде. Действительно, жить ‒ это значит жить, располагая правильной информацией» [4]).

Иногда встречается утверждение, что кибернетическое моделирование вообще неприменимо к изучению мышления, т.к. моделирование основана на понятиях соответствия и изоморфизма, а мышление есть чисто человеческая способность, якобы не могущая быть описана на основе понятий соответствия. Иногда говорят, что понимание познания, мышления как соответствия образа предмету означает ни много ни мало как дуалистическую точку зрения, внешне сопоставляющую предмет и образ.

Сюда следовало бы также добавить, что с точки зрения синергетики накопление знаний ‒ это процесс нелинейный, система знаний представляет сложную самоорганизующуюся систему, в которой один новый факт может вызвать радикальные подвижки в привычной структуре представлений.

В настоящее время в науке всё еще нет единого понимания термина искусственный интеллект. Чаще всего он употребляется обычно в трех значениях: 1) научное направление, ставящее целью моделирование процессов познания и мышления, использование применяемых человеком методов решения задач для повышения производительности вычислительной техники; 2) различные устройства, механизмы, программы, которые по тем или иным критериям могут быть названы «интеллектуальными»; 3) совокупность представлений о познании, разуме и человеке, делающих возможным саму постановку вопроса о моделировании интеллекта. Таким образом, под ИИ может пониматься как научное направление, так и различные устройства, способные к рефлексии, моделирующие (имитирующие) подобие человеческого интеллекта.

ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ

В раздел формализации знаний и формализации образа следует, конечно, добавить упоминание об абстракции. Потому что модели создаются у нас в голове… но следует разобраться: абстрактны ли они сами по себе? И что такое в этом смысле абстракция? Абстрактные модели надо понимать такими, которые реально не существуют. Они не существуют на этом описательном уровне представлений, вообще не существуют. Является ли абстракцией понятие «стул»? Формально. В формальном представлении. Это раз. И, во-вторых ‒ обратим внимание: во всех этих моделях, что сейчас существуют, абсолютно не используется и не учитывается понятие времени, а ведь время ‒ это один из феноменов нашего восприятия ‒ ведь мы же всё воспринимаем в динамике, а динамика в моделях практически не используется и не учитывается. Поэтому здесь следует исследовать описание объектов в динамике и проанализировать: что понимается под динамикой? Понятно, что здесь присутствует время… Но как оно здесь присутствует? Нам представляется, что здесь, скорее всего, речь идёт о динамическом изменении параметров объекта и какой- то оценке этого изменения, причём совокупное. Приведём пример: едешь на автомобиле, смотришь в зеркало заднего обзора и видишь какую-то точку на горизонте, которая тебя догоняет. Ты ещё пока не знаешь, что это. Но ты знаешь, что это движущийся объект. Потом ты всё-таки выясняешь, что это не мотоцикл, а машина. Потом выясняешь, что это легковая машина. Потом ты даже можешь определить её марку или хотя бы вид кузова. А получается, во-первых, что идёт постоянное уточнение расширения параметров описания объекта, но оно идёт динамично и на каком-то уровне динамики ‒ спустя некоторое время мы распознаём объект, т. е. идентифицируем его. И вообще-то по жизни мы так и поступаем: мы смотрим ‒ вроде знакомый. Потом мы к нему присматриваемся. Сначала мы ловим общий образ, а потом мы его уточняем (конкретизируем) в динамике. Т. е. мы и сами динамичны в опознавании, и сами объекты тоже динамичны: они меняются. Они постоянно меняются, меняются и их параметры. И именно такие модели, мы считаем, сейчас должны быть востребованы в задачах ИИ. В задачах распознавания, в том числе текста. Иногда так происходит при беглом прочтении текста: быстро пробежали глазами ‒ и решили, что в тексте речь идёт о… но при внимательном прочтении оказывается, что текст посвящён вообще другой теме или об этом, но в абсолютно другом ключе. Т. е. после того как мы его более точно идентифицировали, то получили на выходе совсем другой результат. Получается, что здесь, во-первых, иерархия получается идентификацией с точки зрения описания модели ‒ от общего к частному ‒ это понятный подход, но тогда следует определиться с этими иерархиями ‒ каким образом? Понятно, что здесь лучше всего действительно подходят деревья, и именно даже не сети, а деревья. Этот вопрос тоже следует сюда включить и тоже его проанализировать.

Если всё это сделать ‒ и сделать ещё какие-то выводы, рекомендации ‒ на что обратить внимание, т. е. показать направление: вот здесь следует наработать более высокие уровни абстракции моделей представления, а здесь ‒ наиболее подходящим на сегодня является матаппарат, или они все неподходящие ‒ и тогда следует искать что-то подходящее, адекватное ‒ что-то такое, что обладает такими-то свойствами или позволяет их реализовать.

Попытки уйти от неоправдавших себя универсальных эвристик при решении интеллектуальных задач привели к заключению о том, что главное, чем располагает специалист, — это накопленный им в процессе своей профессиональной деятельности некоторый набор разнообразных приемов и неформальных правил. Впоследствии была разработана ЭС Dendral, базирующаяся на знаниях, которая явилась прототипом всех последующих ЭС.

При всем разнообразии трактовок понятия искусственного интеллекта общим для большинства из них является признание того, что системы искусственного интеллекта направлены на моделирование или имитацию человеческого мышления, в частности способности к рефлексии и ассоциации [9].

Вторая фаза включает разработку проблемно-ориентированных языков для использованного на оборудовании, созданном в первой фазе. Третья фаза наиболее выражена в эволюционном моделировании. В ходе развития этой фазы отпадает необходимость в точной формулировке постановки задачи, т.е. задачу можно сформулировать в терминах цели и допустимых затрат, а метод решения будет найден самостоятельно по этим двум параметрам.

Большое внимание к проблемам естественного и искусственного интеллекта заставило специалистов из многих областей начать изучение конкретных черт естественного интеллекта, чтобы в дальнейшем применить эти результаты для построения искусственного интеллекта.

Базовая структура «системы, базирующейся на знаниях» состоит из следующих блоков: базы знаний, содержащей знания о некоторой ограниченной предметной области; решателя, или блока логического вывода, осуществляющего активизацию знаний, соответствующих текущей ситуации; блока верификации БЗ, обеспечивающего добавление новых знаний и корректировку уже существующих; блока объяснения, позволяющего пользователю прослеживать всю цепочку рассуждений системы, приводящих к конечному результату, и, наконец, интерфейса, обеспечивающего удобную связь между пользователем и системой.

Это не означает, что категория закона утрачивает смысл в науке, но то, что дополнительно к ранее известным интеллектуальным орудиям — строгой дедукции и эксперименту рождается третье орудие — математическое моделирование, в котором по-новому выступает математика и появляется новый вид эксперимента — машинный эксперимент, в котором проигрываются различные модели с последующим сопоставлением с реальным экспериментом.