2. Искусственный интеллект

Нечёткая логика, нечёткие множества и мягкие вычисления

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 изучении сложных систем (в т.ч. диффузных — нельзя выделить отдельные части без повреждения системы) формулировка относительно простых законов оказывается невозможной и заменяется построением эскизных моделей. Образно говоря, здесь мы имеем дело с математическим описанием, напоминающим современную абстрактную живопись. Можно сказать, что попытки реалистичного описания сложных систем иллюзорны такое описание не воспринималось бы из-за чрезмерной сложности.

В среде исследователей распространено мнение, что методологические принципы бывают разной степени общности. Все они, однако, органически связаны с теоретической областью наук: естественных, общественных или технических. Методология всегда имеет общий характер. Теоретическая область естествознания, будь то физика или химия, кибернетика или биология, содержит в себе такие обобщения, которые приобретают общее, мировоззренческое или теоретико-познавательное (гносеологическое) значение. Такие обобщения являются как бы философско-теоретическим завершением данной науки на определённом этапе её развития и одновременно её методологической основой, определяющей главный метод, принципиальный теоретический подход к исследуемым явлениям, дающий обоснование логики её основных идей и понятий. По своему значению, однако, такие обобщения зачастую не укладываются в рамки только своей науки, они выходят в сферу общенаучных философских проблем.

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].

Искусственный интеллект — это метод, с помощью которого машина может стать разумной и мыслить как человек. Главная задача ИИ — создать человеческий разум. Достигается это путём изучения или анализа модели человеческого мозга. На основе этих исследований осуществляется разработка программного обеспечения для машин.

Знание − информация, которая была усвоена вами, интегрирована в общую систему ваших представлений, полученных из непосредственного жизненного опыта и в результате обучения, и поэтому стала неким основанием ваших поступков и жизненных взглядов. Скажем, вы знаете, что вот этот телефонный номер принадлежит вашему другу, и этот набор цифр связан со всем остальным, что вы знаете о своём друге. Быстро растёт важность отрасли знания о том, как искать полезную вам информацию» [2, с. 138-139].

В современной методологии сильна абстракция (отвлечение) или демаркация (разграничивание) от индивидуальных, психологических, коллективистских или исторических и культурных условий. Можно сказать, что сфера методологии – это та достаточно устойчивая сфера, в которой арсенал средств, методов, принципов и ориентаций имеется в наличии и готов к применению, а не изготовляется для каждого отдельного случая. Поэтому можно встретиться с определением методологии, в котором последнюю считают предельной рационализацией мировоззрения.

Нейронные сети — самообучающиеся компьютерные программы, которые могут хорошо решать задачи по распознаванию речи человека или образов. НС работают наподобие нервной системы человека. При их создании однотипные данные пропускаются через структуру нейронных сетей, затем программисты фиксируют результат и просто отсеивают факторы, которые его могут ухудшить.

Что такое метод искусственного интеллекта?

Многие споры вокруг проблемы «кибернетика и мышление» имеют эмоциональную подоплеку. Признание возможности искусственного разума представляется чем-то унижающим человеческое достоинство. Однако нельзя смешивать вопросы возможности искусственного разума с вопросом о развитии и совершенствовании человеческого разума. Разумеется, искусственный разум может быть использован в негодных целях, однако это проблема не научная, а скорее морально-этическая. Однако развитие кибернетики выдвигает ряд проблем, которые все же требуют пристального внимания. Эти проблемы связаны с опасностями, возникающими в ходе работ по искусственному интеллекту. Первая проблема связана с возможной потерей стимулов к творческому труду в результате массовой компьютеризации или использования машин в сфере искусств. Однако в последнее время стало ясно, что человек добровольно не отдаст самый квалифицированный творческий труд, т.к. он для самого человека является привлекательным. Вторая проблема носит более серьезный характер и на нее неоднократно указывали такие специалисты, как Н. Винер, Н. М. Амосов, И. А. Полетаев и др. Состоит она в следующем. Уже сейчас существуют машины и программы, способные в процессе работы самообучаться, т.е. повышать эффективность приспособления к внешним факторам. В будущем, возможно, появятся машины, обладающие таким уровнем приспособляемости и надежности, что необходимость человеку вмешиваться в процесс отпадет. В этом случае возможна потеря самим человеком своих качеств, ответственных за поиск решений. Налицо возможная деградация способностей человека к реакции на изменение внешних условий и, возможно, неспособность принятия управления на себя в случае аварийной ситуации. Встает вопрос о целесообразности введения некоторого предельного уровня в автоматизации процессов, связанных с тяжелыми аварийными ситуациями. В этом случае у человека, «надзирающим» за управляющей машиной, всегда хватит умения и реакции таким образом воздействовать на ситуацию, чтобы погасить разгорающуюся аварийную ситуацию. Таковые ситуации возможны на транспорте, в ядерной энергетике. Особо стоит отметить такую опасность в ракетных войсках стратегического назначения, где последствия ошибки могут иметь фатальный характер. Несколько лет назад в США начали внедрять полностью компьютеризированную систему запуска ракет по командам суперкомпьютера, обрабатывающего огромные массивы данных, собранных со всего света. Однако оказалось, что даже при условии многократного дублирования и перепроверки, вероятность ошибки оказалась бы столь велика, что отсутствие контролирующего оператора привело бы к непоправимой ошибке. От системы отказались. Люди будут постоянно решать проблему искусственного интеллекта, постоянно сталкиваясь со все новыми проблемами. И, видимо, процесс этот бесконечен.

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.

В нашей предыдущей работе [9] мы писали, что «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 предсказать состояние внешней среды в сочетании с умением преобразовать каждое предсказание в подходящую реакцию, ведущую к заданной цели.

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.

В методах ИИ данной группы рассматривается коллективный искусственный интеллект. Многоагентная система включает в себя агентов и среду. Агентами могут стать роботы, человек или даже группа людей. Принцип действия многоагентной модели ИИ в том, что задача делится на части, которые распределяются между агентами. Кроме этого, в МАС даже можно создать канал передачи знаний.

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]).

Фреймовые технологии

Так, в частности, под ИИ понимается распознавание образов, распознавание речи, и т. д. в этом ключе. В своё время Ф. Джордж [5] также показал, что создание ИИ, подобное человеческому мышлению, невозможно в полной мере (на тот момент развития ИИ). Он обосновал такой вывод отсутствием и невозможностью создания некоторой части системы, которая бы позволяла восстанавливать систему в случае ее уничтожения и была бы сама неуничтожима (по аналогии, можно сказать – имела бы бессмертную «Душу» или «идею» по Платону). Однако на сегодня развитие глобальных сетей, вирусных и многоагентных технологий позволяет практически реализовать программы, теоретически существующие, пока существует глобальная сеть. Следовательно, ограничения Ф. Джорджа могут быть сняты.

Многоуровневость методологии, как и сама необходимость её развития, связана с тем, что в настоящее время исследователь, как правило, сталкивается с исключительно сложными познавательными конструкциями и ситуациями. Поэтому с очевидностью просматривается тенденция усиления методологических изысканий внутри самой науки.

В последние годы искусственный интеллект на стадии подъема, он постепенно внедряется в разные сферы нашей жизни. Это важно для развития компании — оптимизация рабочих процессов, повышение эффективности и увеличение прибыли. ИИ — это обширная тема, он содержит много задач и методов, разные науки, может обучаться. Поэтому, как и в других технологиях, не стоит использовать один алгоритм ИИ для решения всех задач. Каждый метод искусственного интеллекта работает на решение своих проблем и задач.

Понимание сознания как отражения неизбежно означает понимание его как соответствия, возникающего в ходе приспособления организма к среде. Причем это соответствие не есть просто внешнее соответствие вещи и образа как самостоятельного по отношению к вещи идеального предмета. Это действительно была бы дуалистическая точка зрения, но она не может монополизировать понятие соответствия, именно как соответствие определенных состояний мозга определенным состояниям внешнего мира. Это соответствие и несет информацию о внешнем мире.

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. Большинство случаев исследований по искусственному интеллекту лишь соизмеримы с результатами, полученными человеком, и не столь оригинальны» [9, с. 8-9].

Одна из задач ИИ ‒ это игровая: шахматы, шашки ‒ здесь продвижение очень мощное: программа обыграла чемпиона мира Г. Каспарова, не говоря уже о шахматных юзерах, и поэтому здесь следует проанализировать ‒ ещё раз: а что ж такое разумность с точки зрения её моделирования. А что такое «разумное поведение». Много здесь было исследований, их следует проанализировать, обобщить, выделить какие-то моменты, например, всё те же поведенческие… А это и синергетика, и множество всяких других направлений… Но до сих пор осталось два основных подхода к ИИ: первый подход ‒ это подход нейронных сетей ‒ то, что мы моделируем именно работу мозга человека, и тогда мы получаем некие разумные программы. Второй подход ‒ это подход «черного ящика» ‒ кибернетический подход, когда некая программно-аппаратная вещь делает то же самое, что и человек в тех же самых условиях, а каким способом ‒ не важно. Вот два основных направления. На самом деле сегодня такое чёткое разделение провести уже нельзя, поскольку мы имеем, по крайней мере, гибриды этих подходов ‒ именно гибриды этих двух подходов следует проанализировать: может быть, мы тут на чем-то зациклились? А вдруг здесь есть или может быть есть третий подход? Вот именно здесь. Авторы, например, над этим очень много размышляли, и им представляется, что здесь очень внимательно следует проанализировать понятие ассоциативного мышления. Именно ассоциативной реакции. Начиная, может быть, с условных и безусловных рефлексов и их моделирования ‒ именно обратить внимание: что является безусловным рефлексом ‒ генетически переданным и т. д. ‒ и, собственно, условным рефлексом и его закрепление (работы Павлова), обучение и т. д. В этом случае, скорее, больше всего подходят нейронные сети ‒ сетевые модели, которые каким-то образом как-то закрепляют эти реакции. Может быть, это онтологии и т. д. Вот этот уровень. Здесь идея в ИИ, как нам представляется ‒ это переход на более высокие уровни абстрагирования представлений данных, знаний и т. д. Это первое. Но оно же требует ‒ этот переход туда требует и формализации новых абстракций. Выделения формализаций. И некоего математического аппарата для работы с ними ‒ с этими абстракциями. Вот, скорее всего, здесь как раз очень хороши нечеткие системы, нечеткие логики, многомерные и многозначные логики и т. д. В этом ключе следует поработать. А теперь, когда всё это сформулировано в виде поставленных целей, можно посмотреть уже на те модели ‒ математические модели, логико-математические модели, которые сейчас используются в подобных задачах ‒ и здесь следует сделать их аналитический обзор. Это и логики ‒ т. е. логические рассуждения, моделирование логических рассуждений с учётом того, как это всё продвинуто ‒ в многозначных логиках, небулевых логиках, нечётких, вероятностных и т. д. Это онтологии и это сети ‒ семантические сети, нейронные сети, гибридные сети, а также ситуационное моделирование, те же работы Пушкина, Поспелова, Клыкова. Это синергетика, синергетический подход, синергетические модели ‒ и ряд других. Опять же, возвращаясь, здесь можно уже сейчас применять довольно хорошо наработанный математический аппарат. Но проблема именно в том: что формализуется? Сейчас всё идёт пока на уровне объектного моделирования. Объектное моделирование есть разное ‒ есть и объектно-ориентированное и целый ряд других ориентаций в построении объектов, но там всё более-менее наработано. И надо все эти модельные представления ‒ их математические основы ‒ проанализировать их достоинства и их недостатки ‒ и рассмотреть: в каких задачах они применяются? Провести их анализ и сделать соответствующие выводы: чего не хватает прежде всего? Какие проблемы в этих моделях? Вот объектная модель ‒ весьма вроде бы хороша, если рассматривать именно объект как совокупность неких признаков, параметров и совокупность некоторых методов, которые можно на основе этих признаков осуществлять при работе с этим объектом. Весьма хороша. Но здесь, может быть, следует поработать над вопросом: а какие должны быть признаки? Т. е. не вообще, как сейчас выделяются (признаки) под конкретную задачу, а может быть ‒ попытаться провести некую обобщенную формализацию ‒ типа того, что мы в своё время создавали семимерную модель объектов на основе их полезности ‒ что-то подобное следует посмотреть, потому что формально человек, как нам представляется, должен быть устроен проще ‒ и, возможно, здесь ещё необходимо учитывать, что ведь недаром же у нас правое и левое полушария мозга имеют свои сферы ответственности: правая ответственна за ассоциативные реакции, интуицию, а левое ‒ за логические реакции, которые жестко формализованы. А ведь есть ещё и мозжечок, и вообще это всё как-то складывается в единое целое, в систему собирается. А может быть, там есть ещё что-то? Вот, например, на основе нейроисследований удалось бы заполнить существующую неполноту, пробел в знаниях ‒ посмотреть: чего здесь не хватает? В описательном смысле и, может быть, здесь же опять стоит исследовать ‒ как мы об этом говорили ‒ о семимерии [8], что мы семимерно воспринимаем мир на основе наличия чувств и т. д. ‒ посмотреть: здесь, может быть, эти параметры каким-то образом надо формализовать ‒ это должен быть минимум, которым можно достаточно адекватно описывать объект, а потом уже с ним и работать ‒ тогда можно было бы формализовать процедуры, которые могут быть. Вот как реализованы для объекта такие понятия, как наследование, инкапсуляция, свойства классов объектов, полиморфизм. (Возможный аналог как для файлов: создание, переименование, перемещение, копирование, слияние). Наверное, это всё возможно и для образов. Там у нас бывают ошибки при ассоциативности. Но надо разобраться, чем они объясняются? Почему они бывают? То ли в силу недостатка знаний, то ли искажаются при неправильном восприятии. Вот над этим стоило бы поработать.

В современной науке круг вопросов, объединяемых термином «искусственный интеллект», довольно обширный. В настоящее время искусственный интеллект объединяет большое число разделов. К искусственному интеллекту относят как общую теорию очувствления или восприятия, так и специальные методы типа игры в шахматы, доказательства математических теорем, написания стихов или диагностики заболеваний. Ученые, специальностью которых не является искусственный интеллект, находят в нем основу для систематизации и решения интеллектуальных задач, которым они посвятили значительную часть своей жизни. И наоборот, специалисты применяют методы искусственного интеллекта в самых различных областях, где без них не удается достичь успеха. Именно поэтому искусственный интеллект является воистину универсальной областью знаний [11, с. 3-15].

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.