Искусственный интеллект как научное направление

Содержание

Вступительная часть:

Введение

Цель преподавания дисциплины

В современном мире прогресс производительности программиста практически достигается только в тех случаях, когда часть интеллектуальной нагрузки берут на себя компьютеры. Одним из способов достигнуть максимального прогресса в этой области, является "искусственный интеллект", когда компьютер берет на себя не только однотипные, многократно повторяющиеся операции, но и сам сможет обучаться. Кроме того, создание полноценного "искусственного интеллекта" открывает перед человечеством новые горизонты развития.

Целью изучения дисциплины является подготовка специалистов в области автоматизации сложноформализуемых задач, которые до сих пор считаются прерогативой человека. Задачей изучения дисциплины является приобретение знаний о способах мышления человека, а так же о методах их реализации на компьютере.

Основным предметом изучения дисциплины являются мыслительные способности человека и способы их реализации техническими средствами.

Терминология

Термин интеллект(intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект(artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.

Мы, в нашем курсе, интеллектом будем называть способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

В этом определении под термином "знания" подразумевается не только ту информацию, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятельности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окружающей среде интеллектуальную деятельность (или хотя бы просто существовать), необходимо иметь в системе знаний модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и, как это отмечено в данном определении интеллекта, могут мысленно "целенаправленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адаптации к разнообразным обстоятельствам".

Мы употребили термин интеллектуальная задача. Для того, чтобы пояснить, чем отличается интеллектуальная задача от просто задачи, необходимо ввести термин "алгоритм" — один из краеугольных терминов кибернетики.

Под алгоритмом понимают точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин "алгоритм" происходит от имени узбекского математика Аль-Хорезми, который еще в IX веке предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Отыскание алгоритма для задач некоторого данного типа связано с тонкими и сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Принято считать, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с отысканием алгоритма решения класса задач определенного типа, будем называть интеллектуальными.

Что же касается задач, алгоритмы решения которых уже установлены, то, как отмечает известный специалист в области ИИ М. Минский, "излишне приписывать им такое мистическое свойства, как "интеллектуальность". В самом деле, после того, как такой алгоритм уже найден, процесс решения соответствующих задач становится таким, что его могут в точности выполнить человек, вычислительная машина (должным образом запрограммированная) или робот, не имеющие ни малейшего представления о сущность самой задачи. Требуется только, чтобы лицо, решающее задачу, было способно выполнять те элементарные операции, их которых складывается процесс, и, кроме того, чтобы оно педантично и аккуратно руководствовалось предложенным алгоритмом. Такое лицо, действуя, как говорят в таких случаях, чисто машинально, может успешно решать любую задачу рассматриваемого типа.

Поэтому представляется совершенно естественным исключить их класса интеллектуальных такие задачи, для которых существуют стандартные методы решения. Примерами таких задач могут служить чисто вычислительные задачи: решение системы линейных алгебраических уравнений, численное интегрирование дифференциальных уравнений и т. д. Для решения подобного рода задач имеются стандартные алгоритмы, представляющие собой определенную последовательность элементарных операций, которая может быть легко реализована в виде программы для вычислительной машины. В противоположность этому для широкого класса интеллектуальных задач, таких, как распознавание образов, игра в шахматы, доказательство теорем и т. п., напротив это формальное разбиение процесса поиска решения на отдельные элементарные шаги часто оказывается весьма затруднительным, даже если само их решение несложно.

Таким образом, мы можем перефразировать определение интеллекта как универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.

Еще интересным замечанием здесь является то, что профессия программиста, исходя из наших определений, является одной из самых интеллектуальных, поскольку продуктом деятельности программиста являются программы — алгоритмы в чистом виде. Именно поэтому, создание даже элементов ИИ должно очень сильно повысить производительность его труда.

Деятельность мозга (обладающего интеллектом), направленную на решение интеллектуальных задач, мы будем называть мышлением, или интеллектуальной деятельностью. Интеллект и мышление органически связаны с решением таких задач, как доказательство теорем, логический анализ, распознавание ситуаций, планирование поведения, игры и управление в условиях неопределенности. Характерными чертами интеллекта, проявляющимися в процессе решения задач, являются способность к обучению, обобщению, накоплению опыта (знаний и навыков) и адаптации к изменяющимся условиям в процессе решения задач. Благодаря этим качествам интеллекта мозг может решать разнообразные задачи, а также легко перестраиваться с решения одной задачи на другую. Таким образом, мозг, наделенный интеллектом, является универсальным средством решения широкого круга задач (в том числе неформализованных) для которых нет стандартных, заранее известных методов решения.

Следует иметь в виду, что существуют и другие, чисто поведенческие (функциональные) определения. Так, по А. Н. Колмогорову, любая материальная система, с которой можно достаточно долго обсуждать проблемы науки, литературы и искусства, обладает интеллектом. Другим примером поведенческой трактовки интеллекта может служить известное определение А. Тьюринга. Его смысл заключается в следующем. В разных комнатах находится люди и машина. Они не могут видеть друг друга, но имеют возможность обмениваться информацией (например, с помощью электронной почты). Если в процессе диалога между участниками игры людям не удается установить, что один из участников — машина, то такую машину можно считать обладающей интеллектом.

Кстати интересен план имитации мышления, предложенный А. Тьюрингом. «Пытаясь имитировать интеллект взрослого человека, — пишет Тьюринг, — мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения "программы-ребенка" и задачу "воспитания" этой программы».

Забегая вперед, можно сказать, что именно этот путь используют практически все системы ИИ. Ведь понятно, что практически невозможно заложить все знания в достаточно сложную систему. Кроме того, только на этом пути проявятся перечисленные выше признаки интеллектуальной деятельности (накопление опыта, адаптация и т. д.).

Искусственный интеллект как научное направление

Исследование сложных систем часто основывается на знаковых моделях, оперирующих с информацией о предметной области. Под информацией в этом случае понимают сведения о каких-либо фактах, процессах, отношениях реальной действительности или идеальной (мысленной) сущности, являющиеся объектами преобразования (порождения, сбора, передачи, обработки и т.п.). Необходимость формализации этих сведений с целью их представ­ления и обработки в ЭВМ, привела к выделению двух составляющих: декларативной и процедурной.

Разные научные школы пользуются отличающейся терминологией, что создает определенные трудности в объяснении указанных понятий. Однако, рассматривая историю формирования концепций баз данных и баз знаний, можно достаточно адекватно отразить их суть.

Первое и второе поколение ЭВМ выполняли в основном вычисли­тельные функции. Информация о предметной области (ПрО) для этих целей была чет­ко разделена на данные - декларативную составляющую и программы - процедурную составляющую.

Под данными (лат. datum - факт) в этом контексте понимаются только имена (переменные языка программирования), отображающие множество элементов ПрО в модель и значения, определяемые типом переменных для присваивания этим именам. Отношения между данными выражались через процедурную составляющую, вносившую операционную семантику путем присваивания новых значений переменным в ходе алгоритмической обработки.

Дополнительным ограничением, накладываемым при формализации сведений, являлось требование явного отделения декларативной семантики (смысла, интерпретации) от данных. Например, на естественном языке высказывание "интервал РРЛ равен 25,3 км" фиксирует данные совместно с семантикой. С точки зрения формализованного языка данными здесь являются "25,3" (фактографический материал), а семантика - "протяженность интервала РРЛ в километрах".

Такое ограничение, вызванное малым объемом памяти и возможностями языков программирования ЭВМ этих поколений, вынуждало функцию интерпретации результатов обработки данных возлагать на пользователя. Частично эта функция реализовывалась и ЭВМ за счет процедурной составляющей. Программа "знала" что делать с данными на каждом шаге обработки, хотя смысл действий в целом был доступен только программисту.

Такой подход, когда при составлении программ каждый раз вручную составляли систему управления данными, а готовая программа состояла из операторов и данных, причем каждый раз программисту приходилось указывать на логическом и физическом уровнях, где и в каком виде взять эти данные, выражает сущность концепции монополь­ных файлов данных для каждого приложения. Указанные недостатки выражают проблему системного, непротиво­речивого описания информационных единиц для удовлетворения потреб­ностей многих пользователей одновременно.

ЭВМ третьего и четвертого поколений, например, ЭВМ серии ЕС, для решения этой проблемы имеют развитые средства хранения, ввода-­вывода и обработки данных в виде систем управления базами данных (СУБД). Появились банки данных (БнД) - системы специальным образом организованных данных, программных, технических, языковых, органи­зационно-методических средств, предназначенных для обеспечения централизованного накопления и коллективного использования этих данных.

Концепция баз данных (БД) была сформулирована в 1972 г. фир­мой IBM и тогда же появилась первая СУБД - IMS, предназначенная для автоматизированного управления базами данных в системах орга­низационного управления.

По этой концепции ядром БнД является БД - поименованная структурированная совокупность взаимосвязанных данных, относящихся к конкретной ПО и находящихся под централизованным программным управлением.

Кроме БД, как совокупности описаний элементов ПО, в БнД вхо­дят описания структуры и логических зависимостей между этими элементами (декларативная семантика, отражающая отношения).

Представление данных основывается на инфологическом подходе к описанию ПО, сущностью которого является установление соответствия между состоянием ПО (концептуальная инфологическая модель данных), его восприятием (даталогическая модель данных) и представлением в ЭВМ (физическая модель данных).

Прикладные программы являются активной частью ( управляют данными), а данные пассивной частью (или они есть или их нет) системы обработки информации. Каждая программа предназначена для решения отдельной задачи ПО. Получение решения осуществимо только при наличии в системе полностью определенных и непротиворечивых данных.

Опыт разработки и эксплуатации больших БнД показал, что поддерживать их в работоспособном состоянии невозможно без явного введения в БД процедурной составляющей, отражающей допустимые операции по преобразованию данных (операционная семантика).

Моделирование интеллектуальной деятельности человека с использованием процедурных языков (Фортран, Паскаль и др.) потребовало совмещения данных и программ, так как они составляют единство знаний о ПрО.

Возникла ситуация, когда процедурную составляющую информации о ПО стало необходимым объединить с декларативной в единую систему (без деления на данные и программы), позволяющую обрабатывать неформализованную (недоопределенную, противоречивую, неполную) информацию.

Это положение выражает суть нерешенной на настоящее время проблемы комплексного представления знаний, являющейся одним из объектов исследований научного направления, названного инженерией знаний.

Иными словами, позадачный подход к автоматизации, когда каждый аспект операционной семантики ПО представлен отдельной узкоспециализированной программой, управляющей пассивными данными, исчерпал свои возможности и появилась необходимость в концепции баз знаний (БЗ), в рамках которой активной составляющей являются взаимосвязанные данные, наделенные декларативной семантикой и они управляют процедурами, отражающими операционную семантику ПО с целью получения новых сведений о ПО.

Знания в общеупотребительном смысле, это с одной стороны, какие-либо сведения, осведомленность в какой-либо области, с другой стороны, это проверенный практикой результат познания действительности, ее верное отражение в сознании человека.

Концепция БЗ, в настоящее время активно разрабатываемая, включает положения, касающиеся:

· определения понятия и свойств знаний;

· синтеза моделей представления знаний;

· разработки методов манипулирования знаниями, пополнения и поддержания их в актуальном состоянии;

· состава системы обработки знаний; организации взаимодействия человека и ЭВМ.

Под термином знания в инженерии знаний наиболее часто понима­ют совокупность специализированных (ориентированных на решение многих задач из ограниченной ПО) фактов, правил обработки фактов, условий применения этих правил к конкретным фактам, методов получения новых фактов и способов организации процесса логического вы­вода. Часто такие правила и методы являются эвристическими.

Под фактами подразумеваются знания типа "станция Р-440 - исправна", т.е. это данные, наделенные декларативной семантикой. Опе­рационная семантика ПО может быть представлена процедурами, допус­тимыми для преобразования значений данных рассматриваемого типа. Иными словами, данные в концепции баз знаний описываются перечнем свойств объекта, перечнем допустимых значений свойств, перечнем процедур, применимых к рассматриваемому объекту и целевым предназначением объекта.

Правила могут отражать знания вида "ЕСЛИ-ТО-ИНАЧЕ". Например:

ЕСЛИ станция Р-440 N 1 исправна

И

экипаж укомплектован

И

...................

ТО

допустимо развернуть линию связи

ИНАЧЕ

использовать станцию Р-440 N 2.

Условия применимости правил, знания относительно способов использования фактов и правил относятся к метазнаниям (знания о знаниях), служащим для управления логическим выводом, пополнения знаний и т.п.

В соответствии с концепцией БЗ, знания от данных отличаются рядом существенных свойств, к которым можно отнести:

· внутреннюю интерпретируемость - понимание смысла, семантики информационных единиц внутри модели, а не только в сознании иссле­дователя (декларативная семантика);

· активность - появление новых фактов в системе должно приводить к инициализации процедур, обрабатывающих уже известные системе факты (процедурная семантика). В этом случае говорят, что данные управляют программой;

· связность - между фактами и правилами должна быть предусмотрена возможность установления отношений (функциональных, каузаль­ных, структурных, семантических и др.).

Часто по свойству связности выделяют два дополнительных отношения, отличающих знания от данных:

· структурированность - отношения "IS-A" (элемент-класс или род-­вид), "PART-OF" (часть-целое), реализующие возможность вложения одних понятий в другие;

· семантическая метрика - отношение близости понятий, сила ассоциативной связи между ними, позволяющая выделять информацию, от­носящуюся к типовой ситуации, например, ситуация "прием-сдача де­журства" сближает понятия "проверка документации", "анализ особен­ностей обстановки", "доклад командиру" и т.д.

Реализация концепции БЗ в настоящее время осуществляется по нескольким направлениям. Во-первых, за счет включения в БнД семантической модели ПО, что привело к трансформации БнД в интеллектуальные банки данных (ИБД), где основным обрабатываемым элементом является понятие, отличающееся от данных как иероглиф отличается от буквы алфавита и, во-вторых, за счет разработки информационных систем, основанных на методах искусственного интеллекта.

Архитектура систем знаний

В общем виде система обработки информации, основанная на концепции БЗ может включать:

· базу данных как декларативную часть описания предметной области;

· базу знаний (правил) - процедурную составляющую БЗ в виде совокупности операций, до­пустимых для преобразования данных и правил определенного типа;

· машину логического вывода - высокоуровневый интерпретатор правил, обеспечивающий обработку фактов на основе процедурных зна­ний;

· интерфейс с пользователем на языке, близком к естественному ;

· механизм формирования решений для задач пользователя;

· базу целей, содержащую целеполагание ПрО и целевые установки самой системы (что необходимо делать в конкретной ситуации).

В перспективе, возможно, БЗ может дополняться другими элементами, к примеру базой ресурсов, базой интуиции и т.д.

Проблема представления противоречивых знаний в рамках концепции может решаться за счет идеи о "множественности миров", по которой один и тот же объект в разных условиях обладает разными свойствами и описывается отличающимися формализмами. Например, в "инфракрасном мире" аппаратная может не иметь разведпризнаков, а в "СВЧ-диапазонном мире" эта же аппаратная их имеет.

Таким образом, концепция БЗ, являясь логическим развитием баз данных, создает предпосылки для расширения возможностей отображения закономерностей исследуемой предметной области, получения выводов (манипуляция знаниями),ослабляет проти­воречие между "мягким", нечетко очерченным миром реальности и тре­бованиями по "жесткому", формализованному представлению информации в ЭВМ.