Основы теории искусственного интеллекта

Предмет изучения - это чувственно отражаемые стороны, части, свойства и отношения объектов, изучаемые с определенной целью, обобщенно выделенные в знаковом представлении, которое постоянно наполняется содержанием, соответствующим развивающемуся знанию как о непосредственно изучаемом, так и обо всей объективной реальности в целом. Предмета изучения не существует вне процесса познания. Предмета изучения нет и без познающего субъекта. Предмет отражает представление познающего, а его содержание постоянно обновляется, дополняется, хотя форма выражения, конкретное символьное представление такой формы может быть неизменным. Символьное выражение, представление познаваемого предмета должно быть кратким и отражать самую суть.

Главным, принципиальным отличием "интеллектуального" отражения  является то, что "интеллектуальный" объект активно реагирует, перерабатывает и отражает воздействие других объектов.

Предметом искусственного интеллекта как научного направления - являются процессы активного отражения.

Система, способная к активному  отражению действительности, самостоятельно формирует некий комплекс целей, самостоятельно выбирает объект изучения и целенаправленно отражает, познает, изучает его посредством своих органов чувств, датчиков информации. Важно отметить, что при активном отражении у субъекта появляется цель. Причем, цель может быть порождена, внутри этого субъекта, например, в случае мышления человека или поведения животных. Также, цель может быть заложена в отражающую систему внешним субъектом, например, при обработке информации в ЭВМ, программа для которой написана человеком.

Метод - это способ организации деятельности для достижения цели научного объяснения предмета исследования, посредством воспроизведения этого предмета в мышлении, в виде определенным образом организованного, символьного, знакового описания.

Рассматривая искусственный  интеллект - как научное направление, основным методом является моделирование, причем в самых различных формах, от формализованного знакового моделирования до построения и создания различных физических, кибернетических, биологических и других моделей. Важную роль играет и системно-структурный подход, как общенаучный методологический принцип.

 Основным методом теории  искусственного интеллекта является  формализованное знаковое моделирование, которое имеет следующие два аспекта:

• формализация
• знаковое представление модели

Модель, в данном случае, рассматривается как отражение, обобщение субъектом предмета познания, т.е. мышления или процессов активного отражения. При этом, мышление определяется, представляется логикой, по крайней мере, в области осознанного мышления, т.е. сознания. Рассмотрение мышления, как предмета теории искусственного интеллекта, предполагает две стороны. С одной стороны, это определенная логическая система - система знаний или, просто, знания, т.е. логические формы и отношения между ними. С другой стороны, изменения логической системы, что приводит к изменению системы знаний, в том числе и к генерации, порождению новых знаний.

Формализация предполагает построение некоторой формально-логической системы, которую в свою очередь, можно определить как формальную систему знаний. Знаковое представление необходимо для материализации, фиксации, определенности полученной системы знаний.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3 Современные технологии искусственного интеллекта

Искусственный интеллект  как научное направление возник и начал активно развиваться после Второй мировой войны. С тех пор в этой области разрабатываются модели и методы решения задач, традиционно считавшихся интеллектуальными и не поддававшихся формализации (строгому математическому описанию) и автоматизации.

Само направление определено как "искусственный интеллект" в силу того, что основой всех его методов являются попытки  копирования и моделирования, существующих в природе интеллектуальных механизмов, таких как работа центральной нервной системы позвоночных, иммунитет, поведенческие реакции и т.д.

Далее представлен обзор  современных направлений, методологий  и подходов, которые могут быть отнесены к технологиям искусственного интеллекта.

3.1 Нейронные сети и их вариации

Представляют собой сеть взаимосвязанных элементов, которые  являются математической моделью нейронов мозга. Используются для определения априорно неизвестных сложных функциональных зависимостей на основании статистических данных.

3.2 Байесовы (вероятностные) сети

Моделируют вероятностные  причинно-следственные связи. Позволяют  рассчитывать вероятность наступления  того или иного события при  известной априорной вероятности  причин. Позволяют строить модели в режиме реального времени с  учетом неполноты данных и возможностью корректировки результата при появлении дополнительной информации. Могут использоваться для совместной обработки данных количественного и качественного характера.

3.3 Методы эвристической самоорганизации

Методы данной группы исследуют  функциональные и вероятностные  взаимосвязи "входов" и "выходов" некоторой системы, т.е. позволяют  моделировать сложные нелинейные процессы и системы при отсутствии априорных  знаний о структуре модели. Метод  группового учета аргументов (МГУА), например, позволяет моделировать неизвестные закономерности функционирования исследуемого процесса или системы по информации, неявно присутствующей в выборке "входных" и "выходных" данных.

3.4 Теория игр

Позволяет формализовать  описание процессов принятия сознательных целенаправленных решений при участии одной или нескольких сторон в условиях неопределенностей, риска и конфликта, которые возникают при столкновении интересов. Задача теории игр заключается в предложении рекомендаций, рационального образа действий участников процесса принятия решений, т.е. в определении оптимальной стратегии для каждого из них.

3.5 Теория хаоса

Предлагает новые методы анализа данных, позволяющие выявлять скрытые зависимости там, где раньше систему считали случайной, и не имеющей каких-либо закономерностей. Применение аппарата теории хаоса позволяет качественно изучать нестабильное апериодическое поведение в нелинейных динамических системах, например, в экономических, экологических, социальных и биологических системах и процессах.

3.6 Многозначные логики. Нечеткая логика. Логика антонимов

Расширяет возможности "обычной" двоичной логики, оперирующей только понятиями "1-да" и "0-нет". Позволяет  оперировать с нечеткой, неточной, "размытой" информацией. Дает возможность использования качественных, а не количественных характеристик, что позволяет манипулировать лингвистическими понятиями и знаниями, выражаемыми на обычном языке (например, для описания процессов: "плохо" - "средне" - "хорошо", "огромный – большой – маленький - мизерный" и т.д.).

3.7 Эволюционные и клональные алгоритмы

Адаптивные методы поиска, используемые для решения задач  функциональной оптимизации. Основаны на эволюционных процессах биологических организмов: популяции развиваются, подчиняясь законам естественного отбора и принципу "выживает сильнейший". Моделируя этот процесс, эволюционные алгоритмы, в частности генетические, способны "развивать" решения реальных задач, если они соответствующим образом закодированы. Такой подход является динамическим и позволяет довольно быстро находить оптимальные, с определенной точки зрения, решения.

3.8 Методы экспертных оценок

Применяются при отсутствии возможности или трудоресурсной нецелесообразности получения данных в количественном выражении. При моделировании многих процессов и систем, например, экономических, социальных и биологических, понятие точных числовых оценок теряет всякий смысл. В таких случаях обращаются к использованию знаний и опыта экспертов - методам экспертных оценок, которые включают в себя методы получения, формализации и интеграции экспертных знаний.

3.9 Иммунные сети

Основаны на принципах  функционирования иммунной системы  позвоночных, которая, выступает "вторым" интеллектом - как и нервная система, обладает такими свойствами как память, способность обучаться, умение распознавать и принимать решения о том, как вести себя в новых ситуациях. Методы, основанные на концепции искусственных  иммунных сетей, используются в задачах  распознавания образов, информационной безопасности, прогнозировании временных рядов и многих других.

3.10 Роевой интеллект

Данный подход основан  на коллективном интеллекте социальных насекомых, таких как муравьи  и пчелы, каждая особь которых  обладает очень малыми возможностями. Но, собираясь в многотысячную и многомиллионную колонию, они становятся роем, представляющим собой мощную интеллектуальную распределенную систему. Многие современные задачи управления, моделирования и прогнозирования могут быть эффективно решены с помощью автономных эмерджентных систем, построенных по такому принципу. Наиболее активными сферами применения являются социальное и электоральное моделирование, экономическое прогнозирование, маркетинговые исследования и исследования по корпоративному климату.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Заключение

Искусственный интеллект  тесно связан с теоретической  информатикой, откуда он заимствовал многие модели и методы, например, использование логических средств, для преобразования знаний. Столь же прочны связи этого направления с кибернетикой. Математическая и прикладная лингвистика, нейрокибернетика и гомеостатика, теснейшим образом связаны с развитием искусственного интеллекта. И конечно, работы в этой области немыслимы без развития систем программирования.

Основная цель работ в  области искусственного интеллекта - стремление проникнуть в тайны  творческой деятельности людей, их способности  к овладению знаниями, навыками и  умениями. Для этого необходимо раскрыть те глубинные механизмы, с помощью  которых человек способен научиться  практически любому виду деятельности. И если суть этих механизмов будет разгадана, то есть надежда реализовать их подобие в искусственных системах, т.е. сделать их по-настоящему интеллектуальными.

Такая цель исследований в  области искусственного интеллекта тесно связывает их с достижениями психологии - науки, одной из задач  которой является изучение интеллекта человека. В психологии сейчас активно развивается особое направление - когнитивная психология, исследования в котором направлены на раскрытие закономерностей и механизмов, связанных с процессами познавательной деятельности человека и которые интересуют специалистов в области искусственного интеллекта.

Другое направление психологии - психолингвистика также интересует специалистов в области искусственного интеллекта. Её результаты касаются моделирования  общения не только с помощью естественного  языка, но и с использованием иных средств: жестов, мимики, интонации и т.п.

Кроме теоретических исследований активно развиваются и прикладные аспекты искусственного интеллекта. Например, робототехника занимается созданием технических систем, которые способны действовать в реальной среде и частично или полностью заменить человека в некоторых сферах его интеллектуальной и производственной деятельности. Такие системы получили название роботов.

Экспертная система - еще одно прикладное направление искусственного интеллекта. В отличие от других интеллектуальных систем, экспертная система имеет три главные особенности:

1 – Экспертная система адаптирована для любого пользователя.

2 – Экспертная система позволяет получать не только новые знания, но и профессиональные умения и навыки, связанные с данными знаниями, т.е. не только даёт знать что..., но и знать как...

3 – Экспертная система передаёт не только знания, но и пояснения и разъяснения, т.е. обладает обучающей функцией.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Список используемых источников

1. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы М.: Финансы и статистика (учебник для студентов, обучающихся по информационным специальностям) – СПб.: БХВ – Петербург, 2003.. – 242с.

2. Гаврилова Т.А. Базы знаний интеллектуальных систем: Учебное пособие для студентов вузов – СПб.: Питер, 2000 – 328с.

3. Гаврилов М. В. Информатика и информационные технологии: Учебник для студентов вузов / М. В. Гаврилов. – М.: Гардарики; СПб.: Питер, 2006. – 658с.

4. Сафонов В.О. Экспертные системы – интеллектуальные помощники специалистов; О-во "Знание", Санкт-Петербург- СПб, 2002 - 32с.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глоссарий

1. Вычислительная машина — механизм, электромеханическое или электронное устройство, предназначенное для автоматического выполнения математических операций.