это ЭВМ, которые принято считать машинами 6 поколения. В них с помощью электронных элементов воспроизводиться система взаимодействующих нейронов – нервных клеток, составляющих человеческий мозг. Иначе говоря, нейрокомпьютер – это электронная модель человеческого мозга. С помощью нейрокомпьютеров удается, например, решать проблему распознавания образов.
Многие трудности при создании машин, выполняющих определенные интеллектуальные задачи, связаны с вопросами о том, какую информацию должна иметь программа, каким образом на основании этой исходной информации могут быть сделаны дальнейшие выводы и как эта информация должна храниться в компьютере.
Необходимостью решения этих проблем были вызваны к жизни исследования, цель которых – ответить на вопрос, что такое знание. Многие аналогичные проблемы исследуют эпистемологи – специалисты по теории знания. Мощные средства представления в компьютерных программах и эффективные способы логических рассуждений дала математическая логика. Но, как оказалось, в существующих системах математической логики представлены не все формы рассуждений, свойственные человеческому интеллекту и необходимые для решения проблем. Интеллект нуждается еще и в способах рассуждения, допускающих скачкообразный переход к выводам, которые могут быть ложными. Специалисты установили также важное значение ситуаций, в которых новые действия могут начинаться до завершения начатых ранее. Предметом изучения стало также знание о знании.
Человек и животные обучаются на собственном опыте, и такой способностью должны обладать и программы. Чтобы программа могла обучаться на собственном опыте, следует соответствующим образом представить в машине ее собственное поведение. Такое обучение может быть эффективным, если малые с точки зрения человека изменения в поведении отображаются малыми же изменениями в способе представления поведения. В настоящее время, чтобы изменить поведение программы, следует пересмотреть всю программу и в ряде мест внести в нее существенные изменения.
Одной из главных целей исследований в области искусственного интеллекта остается разработка программ, умеющих рассуждать, т.е. способных сочетать инструкции с собственными знаниями. Таким образом, для создания эффективно самообучающейся программы необходимо дальнейшее продвижение в области эпистемологии и способов представления знаний.
1.2. Интеллектуальные роботы.
Как известно, роботы – это технические устройств, предназначенные для автоматизации человеческого труда. В отличие от роботов, работающих по жесткой схеме управления, интеллектуальные роботы обладают способностью адаптации к внешней обстановке, самоорганизации и самообучения.
Роботы, выполняющие тяжелую или опасную работу, все шире применяются в промышленном производстве. Самые первые из них программировались на повторение одной и той же последовательности действий, состоящей, например, в том, что заготовка берется в определенном месте и кладется под пресс или в печь, а затем вынимается. Даже несовершенные роботы позволяют создавать гибкие производственные системы. Промышленные роботы следующих поколений снабжались программами, предусматривающими «очувствленное» восприятие окружения с применением в некоторых случаях телевизионных камер для определения положения объектов. Существуют программы управления автомобилем, предотвращающие наезды на препятствия.
1.3. Игры и творчество.
Характерным примером этого направления являются шахматные программы. Самые развитые шахматные программы играют уже на гроссмейстерском уровне. Существуют программы, ориентированные на художественное творчество: сочинение музыки, стихов и др.
Когда компьютер с игровой программой должен сделать ход, у него обычно имеется выбор из нескольких возможных ходов. Каждый его ход может иметь ряд различных следствий, зависящих от ответных ходов партнера, а каждое следствие может приводить к другим возможным ходам и т.д.
Главная проблема поиска в условиях таких «деревьев возможностей» – т.н. комбинаторный взрыв. Если на каждом уровне поиска имеется 10 возможных вариантов, то 10 уровней поиска дают 10 миллиардов возможных вариантов, полностью проверить которые за приемлемое время не способны даже быстродействующие компьютеры. Поэтому программисту приходится прибегать к «эвристикам» (процедурам, не основанным на формально доказанном алгоритме), которые позволили бы отвергнуть преобладающую часть альтернатив, иной раз даже с риском упустить наилучший ответ. Таким образом, если нет времени перебрать все варианты игры до конца, программа должна решить, когда ей нужно прекратить поиск, и проанализировать позицию приближенно.
О прогрессе в данной области можно судить по успехам компьютерных программ для игры в шахматы.
Например, одна из первых шахматных программ анализировала 7 наиболее вероятных ходов, 7 вероятных ответных ходов на эти ходы, 7 следующих ответных ходов и 7 ответов на каждый из них, а всего 2401 окончательную позицию. В анализе основного массива этих позиций на самом деле не было необходимости. Если найден один ответный ход, нейтрализующий данный первый ход, то незачем искать другие эффективные ответные ходы. Этот вывод был обобщен в так называемую альфа-бета-эвристику для сокращения поиска, которая применяется во всех современных программах различных игр.
1.4. Компьютерная лингвистика.
К этому направлению относятся решения двух основных проблем. Первая – это перевод текста с одного языка на другой (например, с английского на русский). Простой пословный перевод никого не удовлетворит. Программы должны учитывать сложные связи между структурной фразы и ее смыслом. Вторая проблема – это разработка интерфейса между ЭВМ и человеком на естественном языке. Проекты интеллектуальных компьютеров 5-6 поколения требуют решения этой проблемы.
Существуют программы, распознающие и воспроизводящие человеческую речь. Некоторые из них распознают сотни отдельных слов, другие могут даже «понимать» связную речь. Существуют компьютерные программы, способные читать тексты из букварей и отвечать на некоторые вопросы по этим текстам. Другие программы могут вести диалог с врачом о заболеваниях крови. Но круг вопросов, в которых «разбираются» такие программы, очень узок. И трудность не в запасе слов, а в том, что для понимания статьи из энциклопедии требуется больше начальных знаний и умения рассуждать, чем может учесть программа.
В 1950-х годах составлялись программы компьютерного перевода с одного языка на другой. Они были не очень эффективны, и спустя несколько лет пришлось признать, что для успешного перевода необходимо, чтобы программа «понимала» текст, который переводит. В настоящее время прилагаются усилия к тому, чтобы наделить компьютеры более полным пониманием все больших и больших фрагментов и закономерностей естественного языка. Такое понимание оценивается по эффективности программ, отвечающих на вопросы по тексту на основании информации, содержащейся в тексте, и заложенной в программу «способности к рассуждению».
1.5. Распознавание образов.
К задачам этого направления относится, например, чтение компьютеров рукописного текста вне зависимости от почерка автора. Еще одна задача – восприятие естественной речи.
Адаптивные обучающие системы позволяют для каждого обучаемого строить свой маршрут обучения, учитывать его интеллектуальные и психологические особенности.
Созданы программы, отождествляющие объекты по контурам изменения цвета или яркости либо по протяженным областям одного цвета или одной текстуры. Для выполнения таких задач необходимо, чтобы компьютер хранил в памяти образцы и мог сопоставлять с ними объект. Компьютер может хранить в памяти представление о собаке как некую совокупность морды, лап, хвоста и т.д., все заданной формы и правильно соединенное. Программа может найти собаку на изображении, сопоставляя образец собаки с частями изображения. Программа может вычислить, как должна выглядеть собака, если на нее смотреть под определенным углом или если она частично закрыта другими предметами.
Общие принципы описания изображений и методы сопоставления с образцом применимы и к отождествлению собаки, и к отождествлению шахматной позиции, и ко многим другим задачам.
1.6. Экспертные системы.
Их еще называют “системы, основанные на знаниях”. Это системы – решатели задач, системы – консультанты в определенной предметной области, заключающие в себе знания специалиста – эксперта. Это программы с «базой знаний», формализующей опыт специалистов в некоторой области, и с «механизмом вывода», позволяющим пользователю распознавать ситуацию, ставить диагноз или давать рекомендации для выбора действий.
Одна из экспертных систем определяет структуру органического химического соединения по данным масс-спектрометрического анализа. Другая – помогает врачу поставить диагноз, рекомендует анализы и лечение, а затем дальнейшие анализы и лечение на основании результатов предыдущего.
Применение экспертных систем началось в 1980-х годах. Например, был разработан «помощник идентификатора кредитных карточек», вырабатывающий рекомендации для лица, обязанного принимать решение о принятии к оплате кредитной карточки с учетом рисков мошенничества и неплатежа, в зависимости от учетных записей владельца карточки и магазина.
MICIN — экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симпт омов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.
PUFF — анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.
DENDRAL — распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. По льзователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующе й химической структуры.
PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
