Области применения искусственного интеллекта

      Нейронные сети очень привлекают к себе внимание тем, что они основаны на простой модели нервной системы. В недалёком будущем развитие таких моделей действительно может послужить созданию мыслящих машин (компьютеров). Существует система ST Neural Networks которая способна создавать простые нейронные сети, что является находкой для специалистов по прикладной статистике. 

     2.1 Применение нейронных сетей 

     Задачи, которые решают нейронные сети определяются тем, как сеть функционирует и  обучается. Нейронная сеть, решая  определённые задачи, выдаёт и принимает  значения. Сеть применяют для того, чтобы из имеющийся,  известной  информации получить некоторую не известную информацию. Примеры подобных задач:

     Прогнозирование на фондовом рынке.

Можно спрогнозировать цену акции на завтрашний день, зная цены акций за последнюю неделю.

     Предоставление кредита.

Частное лицо обратилось в банк. Нужно определить, высока ли степень риска предоставления кредита.

     Управление. Необходимо определись действия робота, для того чтобы он достиг своей цели благодаря установленной на нём камере.

Далеко  не все задачи можно решить, применяя нейронные сети. Если вы решили определить результат лотереи, зная свой рост, то ничего не получится, так как эти вещи никакого отношения друг к другу не имеют.  Если тираж проводится без обмана, то нет такой информации, которая могла бы предсказать итог игры с точностью.

     Ещё одно не менее важное условие применения нейронных сетей: Необходимо с уверенностью знать, что между известными входными и неизвестными выходными значениями имеется связь. Эта связь может быть искажена шумом, но она должна существовать.

     Нейронная сеть обычно используется, когда неизвестны точные виды связей между выходами и входами, - в случае если они известны, то связь можно смоделировать непосредственно. Ещё одна не менее важная особенность нейронных сетей это обучение сети. Для обучения нейронных сетей применяются алгоритмы двух типов: управляемое и не управляемое. Чаще всего применяется управляемое обучение.

     Для управляемого обучения пользователи должны заранее подготовить пакет обучающих данных. Они из себя представляют примеры входов и выходов. Сети учатся устанавливать связи между ними. Такие обучающие данные, как правило,  берутся из истории. В примерах, которые рассмотрены выше, такими данными могут послужить предыдущие цены акций, информация о прошлых заемщиках – как они выполнили свои обязательства перед банком.

     Далее нейронная сеть обучается при  помощи определённого алгоритма  управляемого обучения, для того чтобы  свести ошибку прогноза на нет. В случае если уровень обучения сети высок, она  способна смоделировать неизвестную  функцию, которая связывает входные  и выходные переменные. В будущем такую сеть можно использовать для прогнозирования различных ситуаций с неизвестными выходными значениями.

     3 Применение искусственного интеллекта

     3.1 Возможная стратегия и план  создания ИИ

     Без эксперимента нет науки, невозможно определить правильность выбранного пути, поэтому является необходимым:

     1) создать виртуальную среду обитания  прототипа, так как собрать  механическое чудо, с множеством  сенсоров намного труднее и  дороже.

     2) имитировать сенсоры, такие как  слух, виртуальное зрение («зрение» - в виде виртуального пространства, видео камеры и «ИНЕТ»), виртуальные ручки и ножки, которые можно выполнить весьма упрощенно, главное научить ИР говорить, нажимать клавиши, делать движения виртуальными ручками, ножками и прочими виртуальными частями, например курсором мышки.

     3) создать операционную систему  «реального» времени, где слово  «реально» - тоже относительно  так как, при имитации ИР  необходимы паразитные вычисления, поэтому среда Wind .. с ее процессами, службами и множеством одновременно решаемых задач будет сбивать равномерное течение времени «испытуемого»

     4) создать прототип ИР - т.е. алгоритмы  работы и роста клеток, алгоритмы  установки связей и прочее, что  позволит в той или иной  мере имитировать работу множества  разновидностей нейронных клеток и структур.

     5) начать «воспитывать» ИИ в  его виртуальной среде, взаимодействуя  с ним и виртуальной средой, по ходу меняя алгоритмы и  структуру, доводя процесс «соображения»  до совершенства.

     Полезнее  всего было бы применить ИИ там , где критически важна адаптация, и где простые алгоритмы не дают эффекта. В первую очередь это все сферы связанные с человеком, Начиная от помощи в управлении автомобилем, лифтом и домашней техникой до развлечений, человекоподобной помощи, и вообще решении всех мелких проблем, на которые человек не хочет тратить свое время.

     А вообще такую систему можно применять  намного шире – например, как самоорганизующуюся систему, перед которой ставится только общая цель, а её реализация уже ложится на плечи самой системы. Скажем, выкопать карьер для добычи полезных ископаемых. Т.е. вообще везде, где можно получить прибыль, увольняя людей. 

     3.2 ИИ в вооружённых силах 

     Военная отрасль промышленности всегда развивается особенно стремительно, используя все самые современные научные наработки. Развитие компьютерной и роботетхники не осталось в стороне от взглядов военных, и во многих армиях мира уже есть полностью роботизированные боевые единицы – роботы-саперы, беспилотники, разведчики, в небольших количествах стали появляться боевые роботы. Пусть они еще достаточно примитивны и им далеко до роботов-андроидов, подобных героям фильма "Терминатор", но появление подобных боевых единиц лишь вопрос времени. Возможно, когда-нибудь в дополнение к стальному скелету они получат и искусственный интеллект, ничем не уступающий по своим способностям человеческому мозгу.

     В настоящее время большинство  современной робототехники способно выполнять множество сложных  задач, но по-прежнему нуждается в  контроле со стороны человека. Человек  всегда стремился к бессмертию, неуязвимости, подарить их себе он пока не в состоянии, но создавать роботов-андроидов, обладающих сильным металлическим каркасом-скелетом (по меркам человека практически бессмертным), уже способен. Вот только, чтобы создать машину, равную себе, необходимо научить ее думать самостоятельно. Военные давно обратили свое внимание на попытки создания искусственного интеллекта (ИИ), данные разработки находятся под их пристальным вниманием. Сказать, когда на поле боя появятся роботы, способные действовать совершенно автономно, без участия человека, нельзя, но вероятность того, что это когда-нибудь произойдет, достаточно велика.

     В настоящее время зачатки искусственного интеллекта уже довольно давно используются в авиации. Современный автопилот способен выполнить рейс от взлета до посадки полностью без помощи человека. Обычные автомобили под управлением ИИ способны преодолевать значительные расстояния, обходясь без человеческой помощи. Во Франции и Японии по железным дорогам ездят автоматические поезда под управлением ИИ, который способен обеспечить максимальный комфорт и удобство для пассажиров во время поездки. Сегодня технология развития искусственного интеллекта включает несколько подходов, среди которых можно выделить следующие:

     1) Нейронные цепи, функционирующие на принципах, схожих с работой человеческого мозга. Они применяются для распознавания рукописного текста и речи, в финансовых программах, для постановки диагнозов и т.д.

     2) Эволюционные алгоритмы, когда  робот создает программы путем их мутации, скрещивания (обмен частями программ) и тестирования на выполнении какой-либо целевой задачи. В данном случае программы, позволяющие добиться наилучшего эффекта, выживают после множества пробных прогонов, что и обеспечивает эффект эволюции.

     3) Нечеткая логика – позволяет  компьютеру использовать термины  и объекты из реального мира  и взаимодействовать с ними. С  помощью нее компьютер должен  понять значение таких «человеческих»  терминов как – теплее, близко, почти. Нечеткая логика находит  применение в бытовой технике, такой как стиральные машины, кондиционеры.

     При этом в последнее время все  большее внимание уделяется психофизиологии  и полученным с ее помощью наблюдениям  за человеческим мозгом. Человек уже  примерно понимает, как устроен наш  интеллект и сознание. Сканирование мозга и проведение множества экспериментов показали, что у всех наших мыслей и чувств есть вполне реальное физическое воплощение. Любая мысль по своей сути это последовательность активации цепочки нейронов в нашем мозге. А значит, этот процесс можно изучать и научиться им управлять, изготавливать компьютерные симуляции. В настоящее время уже существуют компьютерные модели, моделирующие модели нейронов человека и животных. Ученым удалось полностью описать работу простейшего животного – кальмара. Появляются первые модели, которые соединяют в себе нейронные системы и кремниевую электронику.

Все это  дает ученым основание полагать, что  к 2030 году компьютеры будут в состоянии  достичь такой вычислительной мощи, чтобы сравняться с человеческим мозгом по его возможностям. Фактически это сделает возможным загрузку человеческого сознания в компьютер. Еще более вероятно, что уже в 2020 году будут созданы теоретические основы сознания чисто машинного разума. В любом случае в период между 2025 и 2035 годом искусственный интеллект сможет сравняться по своим возможностям с человеческим, а затем и превзойти его.

     3.3 Будущее искусственного интеллекта 

     Индустрия информационных технологий - одна из наиболее динамично развивающихся сфер жизни. В соответствии с законом Мура, в 2020 году компьютеры достигнут мощности человеческого мозга, т.к. смогут выполнять 20 квадриллионов (т.е. 20.000.000 миллиардов) операций в секунду, а к 2060 году, как считают некоторые футурологи, компьютер сравняется по силе разума со всем человечеством. Впрочем, еще в 1994 году ПК на базе процессора Intel Pentium со смехотворной, по нынешним временам, частотой 90 МГц обыграл в серии турниров по шахматам нескольких сильнейших гроссмейстеров мира, включая действующего чемпиона планеты - Гарри Каспарова.

     Тот же Гордон Мур в середине 90-х годов  так сравнивал темпы развития микропроцессорных технологий и  автомобильной промышленности: "Если бы автомобильная промышленность развивалась  с той же скоростью, что индустрия  полупроводников, то "Роллс-ройс" смог бы сегодня преодолеть расстояние в полмиллиона миль на одном галлоне бензина, причем его было бы дешевле каждый раз выбрасывать, чем парковать".

     Сегодняшние информационные технологии уже способны на многое. В последнее время активно развивается разработка телематических терминалов (бортовых систем управления) для автомобилей. По данным аналитической компании Forrester Research, к 2006 году телематическими терминалами для обработки и передачи информации будет оборудовано около 80% от общего числа новых машин.

     Уже сегодня существуют реальные возможности  применения такого рода технологий в  практически любом автомобиле. Например, телефонная гарнитура BlueConnect производства компании Johnson Controls - интегрированный  автомодуль hands-free на базе процессоров Intel PXA250 и Intel PXA210 - позволяет водителю выполнять самые разнообразные действия, активизируемые голосом, с помощью сотового телефона и технологии Bluetooth.

     Еще одним устройством, в котором  применены новые процессоры, является мультимедийная автомобильная платформа, которая предоставляет пассажирам автономный доступ к таким ресурсам, как видео в формате DVD и аудиозаписям в формате MP3, транслируемым по сети Media Oriented System Transport (MOST).

     Автомобилестроение  - только одна из многих сфер жизни, где микропроцессоры занимают все большее место. Очевидно, что с каждым годом все более мощные микропроцессоры будут применяться во все большем количестве различных бытовых устройствах. Недавно специалистами Intel были разработаны транзисторы, скорость действия которых превышает скорость Pentium 4 почти на 1000%. Тем самым было доказано, что нет никаких фундаментальных препятствий для продолжения развития микропроцессоров в соответствии с законом Мура до конца текущего десятилетия.

     Такие транзисторы, имеющие размер всего 20 нанометров, позволят компании Intel к 2007 г. создать процессоры с миллиардом транзисторов, работающие на частоте  до 20 ГГц при напряжении питания  около 1 вольт. А руководство компании уже говорит о грядущих процессорах с тактовой частотой до 30 ГГц. Предпосылки для производства таких микропроцессоров в Intel уже созданы

     Сегодня, например, в Animat Lab разрабатывается  проект Psikharpax, где в роботе синтезируются  некоторые из адаптивных механизмов и нервных структур, ответственных за пространственную навигацию у крыс. Способности этой крысы-робота будут расти за счет «обучения без учителя», то есть анимат будет сам строить когнитивную карту среды и вырабатывать адаптивные стратегии поведения по механизмам, схожим с теми, что использует мозг крысы. В группе гуманоидной роботики (Humanoid Robotics Group) из лаборатории искусственного интеллекта в MIT сегодня разрабатываются обезьяноподобные и мобильные роботы (Kismet, Сосо) с гораздо более сложным, чем у первых насекомоподобных роботов, поведенческим репертуаром, куда, в частности, входят способности к социальным взаимодействиям и аффективным эмоциональным реакциям.