Области применения искусственного интеллекта

                                   Рисунок 1 «Интеллектуальная система»

     Приведём  несколько примеров.

     Любой живой организм – интеллектуальная система. Он обладает долговременной памятью  и способностью к самообучению. Ребёнок, притронувшись к горячей плите, уже не повторит ошибки. Щенок, впервые погнавшись за кошкой, получит серьёзный урок  и вряд ли снова решит с ней поиграть. При следующей встрече он, скорее всего, убежит или покажет зубы, или проявит ещё одну из тысячи возможных реакций.

     Технические же системы чаще всего не являются интеллектуальными, т.е их реакция на одно и то же событие не может измениться кардинально. Система автоматизированного управления давлением газа в трубе может открывать и закрывать заслонку ( управлять параметрами), но она не может принять решение совсем вывинтить заслонку из трубы. Если аварии газопровода предшествует изменение давления (например, сначала резкое повышение, а затем резкое понижение), то автоматическая система воспринимает это как нормальную ситуацию и попытается «отрегулировать» её движением заслонки. Даже если после каждой аварии мы будем добавлять в систему управления новый блок, точно фиксирующий параметры предыдущей ситуации, ничего не изменится. Простое накопление данных не «обучит» систему.

      Дело  в том, что щенок, получивший урок от кошки, запомнил не только параметры ситуации (длину когтей и скорость реакции), но и правила поведения (не подходи, не подставляй нос, если залаять – она убежит).

Определение 2

Интеллектуальной  называется система, моделирующая на компьютере мышления человека.

Второе  определение появилось в 60-ые ее., когда считалось, что мозг человека можно смоделировать на компьютере. Клетка мозга – нейроны программно описывались специальными математическими  методами. Компьютерная программа, таким  образом, представляла как бы кусочек мозга человека. На вход программы подавались некоторые данные (на вход клетки мозга в живом организме подаётся электрический сигнал), на выходе снимались результаты, которые сверялись с эталоном. В зависимости от того, насколько полученные результаты отклонялись от эталона, в расчётные коэффициенты вносились изменения. В зависимости от количества циклов такого «обучения» результаты работы очень маленького мозга человека.

     Идея  о возможности повторить мозг на компьютере к 80-м гг. XX в. Потерпела полную неудачу, однако  теория нейронных сетей, нейросетевой подход доказали что полезность на целом ряде практических приложений. Хорошие результаты получены в первую очередь на задачах предсказания значений параметров и распознавания образов.

     Определение 3

Интеллектуальной  называется система, позволяющая усилить  интеллектуальную деятельность человека за счёт ведения с ним осмысленного диалога.

      К концу 80-ых гг. стало совершенно очевидно, что создать универсальный искусственный  интеллект невозможно. Более того, выяснилось, что это совершенно не нужно, Следует создавать узкоспециализированные интеллектуальные системы, которые не заменят человека, но дополняют его. Человек имеет ряд уникальных особенностей, но не свободен от недостатков. Не один не обладает реакцией кошки. Никто из нас не способен прочитать роман Л.Н. Толстого «Война и мир» за одну минуту, редко кто обладает энциклопедической памятью. Компьютер обладает энциклопедической памятью, компьютер совершает миллионы операций в секунду, компьютер реагирует мгновенно. Но компьютер – это «глупое железо», он не способен мыслить, не способен отвечать за собственные поступки.

      Подчеркнём  актуальность совместной деятельности человека и машины. Необходимо, чтобы  компьютер служил советчиком человека, быстро анализировал ситуацию, генерировал варианты действия на основе огромной памяти и предлагал человеку, а человек рассматривал предложенные варианты и пояснял, почему тот или иной вариант плох. Компьютер, учитывая полученные разъяснения, вновь анализировал бы все варианты действия и выдавал новые, а человек выбирал подходящий вариант и нёс ответственность за его реализацию.

      Пример: система автоматизированного наведения  ракет обнаружила цель. Цель была обнаружена цель. Цель была обнаружена практически  мгновенно, человек даже не успел её заметить. Ракета была автоматически наведена на цель. Цели был послан запрос «свой - чужой». Цель появилась на пульте управления перед оператором, человек принял решение о поражении, выбрал тип оружия и нажал кнопку «уничтожить». В случае полностью автоматизированного ведения цели существовала бы реальная опасность уничтожить свой самолёт. В обратном случае, если бы наведением на цель посылкой запроса заниматься человек, могло быть упущено время.

      Таким образом, сегодня искусственный интеллект – это самообучающийся инструмент, усиливающий деятельность человек по генерации и принятию решений. 

     1.2 Современные области исследований в ИИ 

     В последнее десятилетие ушедшего века ясно обозначались следующие важные направления развития интеллектуальных систем.^[2]

     1 Системы, имитирующие творческие  процессы. Создание музыкальных  произведений, решение игровых задач  (шахматы, шашки, домино), автоматический  перевод, доказательство теорем, распознавание образов, имитация  мышления и т.п.

Попытки программировать на ЭВМ игры, характерны для современного ИИ с момента его возникновения. ^[3]

     2 Информационные системы, основанные на знаниях (экспертные системы) т.е. консультирование малоопытных пользователей, настройка оборудования, обучение и др.

     3 Интеллектуальные информационные системы  - большие и очень большие программы, предназначенные для решения задач в предметной области на основе математических и алгоритмических моделей и обладающие способностью вести осмысленный диалог с пользователем с целью упростить управление, сократить объём работы человека, повысить качество и т.п.

     4 Робототехника. С точки зрения  «интеллектуальности» различают  несколько поколений роботов.  Первое поколение – роботы  манипуляторы, действующие по заранее  утверждённой и неизменной программе (например, подающие заготовки к станку). Если в процессе работы по каким-либо причинам изменится расстояние до заготовки, робот её потеряет. Второе поколение – адаптивные роботы. Члены таких роботов оснащены большим количеством датчиков: угломеров, тензометров, газовых анализаторов и др. Такие роботы применяются, например, для сварки кузовов автомобилей. Дело в том, что достаточно крупные технические изделия, даже выпускаемые серийно, всё равно  получаются уникальными. Длина двух автомобилей одной и той же марки различна. Адаптивный робот делает сваркой шов не в абсолютных координатах, а относительно некоторой точки начала отчёта, которую сам же и находит на кузове автомобиля. При необходимости человек – сварщик берёт управление на себя, а робот, запоминая его действия в новой ситуации, «обучается». Первые два вида роботов - промышленные роботы, сконструированные для работы на заранее определённой среде – цехах завода. Для ориентации и точного позиционирования в пространстве в цеже имеется большое количество контрольных точек – датчиков, координаты которых неизменны. Гораздо сложнее роботу, которых находится в реальном мире, например, обследует затонувший корабль. Приходится отвечать на вопросы: «где я?», «что передо мной?», «можно ли пройти к?» и др. Интеллектуальным роботам приходится обрабатывать данные своих датчиков и команды человека в реальном масштабе времени, а если предусмотрен ещё и прогноз событий, то в «сверхвиртуальном» (применяются, например, для управления транспортными средствами). Схожие проблемы возникают у поисковых роботов – особого класса программ, предназначенных для индексирования документов в глобальной сети Интернет, что обеспечивает работу поисковых машин.

     5 Диагностика. Медицинские диагностические программы, основанные на вероятностном анализе, сумели достичь уровня опытного врача в нескольких областях медицины. Хекерман описал случай, когда ведущий специалист в области патологии лимфатических узлов не согласился с диагнозом программы в особо сложном случае. Создатели программы предложили, чтобы этот врач запросил у компьютера пояснения по поводу данного диагноза. Машина указала основные факторы, повлиявшие на ее решение, и объяснила нюансы взаимодействия нескольких симптомов, наблюдавшихся в данном случае. В конечном итоге эксперт согласился с решением программы.

     6 Планирование снабжения. Во время кризиса в Персидском заливе в 1991 году в армии США была развернута система DART (Dynamic Analysis and Replanning) для обеспечения автоматизированного планирования поставок и составления графиков перевозок. Работа этой системы охватывала одновременно до 50 000 автомобилей, единиц груза и людей; в ней приходилось учитывать пункты отправления и назначения, маршруты, а также устранять конфликты между всеми параметрами. Методы планирования на основе искусственного интеллекта позволяли вырабатывать в течение считанных часов такие планы, для составления которых старыми методами потребовались бы недели. Представители агентства DARPA (Defense Advanced Research Project Agency – Управление перспективных исследовательских программ) заявили, что одно лишь это приложение сторицей окупило тридцатилетние инвестиции в искусственный интеллект, сделанные этим агентством.

     7 Автономное планирование и составление расписаний. Работающая на удалении в сотни миллионов километров от Земли программа Remote Agent агентства NASA стала первой бортовой автономной программой планирования, предназначенной для управления процессами составления расписания операций для космического аппарата. Программа Remote Agent вырабатывала планы на основе целей высокого уровня, задаваемых с Земли, а также контролировала работу космического аппарата в ходе выполнения планов: обнаруживала, диагностировала и устраняла неполадки по мере их возникновения. 

     1.3 Перспективные направления искусственного интеллекта 

     На  сегодняшний день существуют несколько направлений в области ИИ, которые в будущем обязательно приведут к существенным изменениям в технологиях.

Тема  касающиеся пространства - не новая, но она довольно бурно развивается сейчас в области ИИ и имеет большое значение при создании автономных мобильных устройств, для  анализа различных изображений, а также синтеза текстовых описаний по изображениям.

     При помощи методов обучения машин и  автоматических формирований гипотез можно будет решать большое количество полезных задач – повышение адаптации, а также интеллекта устройств.

     Подход, основанный на технологиях агентов (интеллектуальных) признают одним из самых перспективных для разработки масштабных программ, а также создание средств управления крупной и сложной системой (телекоммуникационные системы, поиск информации).

     Вполне  можно ожидать влияние методов  и идей искусственного интеллекта на машинный анализ текстов на естественном языке. Это влияние, затронет семантический и синтаксический анализы.

     Одним из самых важных и перспективных направлений в ИИ нужно отнести задачу автоматического планирования поведения. Областей применения методов автоматического планирования очень много. От бытовой техники до беспилотных космических кораблей, способных самостоятельно изучать просторы глубокого космоса. 
 
 
 
 
 
 
 
 
 
 

     2 Нейронные сети

     В последние время наблюдается очень активные действия по использованию и внедрению нейронные сетей в самые различные области таких как: техника, геология, физика, бизнес и т.д. На рисунке 2 представлена нейронная сеть. 

                                          ^[4]

                                               Рис. 2 «Нейронная сеть»

     Нейронные сети применяются везде, где необходимо  решить задачи связанные с управлением, прогнозированием, а также с классификацией. Такое активнейшее использование обуславливается следующими причинами: 

      Широкие возможности. Для воспроизводства очень сложных зависимостей используются мощные методы моделирования, которые реализуются с помощью нейронных сетей. Весьма длительное время в большинстве областей применялось линейное моделирование, оно являлось основным методом, так как для него разрабатывались различные хорошо оптимизированные процедуры. Линейные модели в задачах работают плохо там, где не очень хорошо себя проявляет линейная аппроксимация. А также нейронные сети не позволяют оперировать в случае большого числа переменных благодаря предотвращению «проклятия размерности».

Простота в использовании. Нейронные сети способны обучаться на примерах. Человек, пользующийся  нейронной сетью, выбирает необходимые данные, далее ему даётся возможность запуска алгоритма обучения, который воспримет данные автоматически. От пользователя, разумеется, требуются какие-то эвристические знания о том, как нужно отобрать и подготовить данные, выбрать необходимую архитектуру сети, а также обработать результаты. Для того чтобы использовать нейронные сети, необходим, гораздо меньший уровень знаний, чем для использования традиционных методов статистики.