Главная Женские стрижки Искусственный разум и интеллект компьютера.

Искусственный разум и интеллект компьютера.

Искусственный интеллект – это имитация сознания, всё больше и больше внедряющаяся в со-вре-мен-ную жизнь . Ещё недавно возможности ис-кус-ст-вен-но-го интеллекта были совершенно ограничены, а сам термин употреблялся только в романах научной фантастики. И хотя даже в 60-х–70-х годах XX столетия уже казалось, что следующий виток научно-технической революции будет именно в области ин-фор-ма-ци-он-ных технологий и ро-бо-то-тех-ни-ки, это оказалось не совсем так. Мы дейст-ви-тель-но наблюдаем прорыв ин-фор-ма-ци-он-ных технологий, но ро-бо-то-тех-ни-ка развивается гораздо медленнее. Связано это с замедлением темпов развития про-мыш-лен-нос-ти, которое и обуславливает тенденции развития науки.

Характер общественных отношений де-тер-ми-ни-ро-ван ха-рак-те-ром про-из-вод-ст-ва, и точно так же, как астрономия получила развитие ввиду не-об-хо-ди-мос-ти составления звёздных карт для мо-ре-пла-ва-ния, ро-бо-то-тех-ни-ка может получить развитие только в случае эко-но-ми-чес-кой об-ос-но-ван-нос-ти интеграции роботов в производства. Такая об-ос-но-ван-ность существует? Да, существует! Уже сегодня есть полностью ав-то-ма-ти-зи-ро-ван-ные заводы, программы са-мо-стоя-тель-но решают сложные задачи и даже анализ данных уже поручают ис-кус-ст-вен-но-му интеллекту. Тем не менее, возможности ис-кус-ст-вен-но-го интеллекта всё ещё достаточно скромны. Возможно, кто-то с этим не согласится, но прежде, чем возмущаться, постарайтесь услышать, что мы имеем в виду.

Мы не зря дали определение ис-кус-ст-вен-но-го интеллекта, как способности имитации сознания. Есть существенная разница между имитацией сознания и имитацией проявления сознания. В области последнего возможности ис-кус-ст-вен-но-го интеллекта далеко шагнули вперёд. Есть масса программ, обучающихся на «Big data» и выдающая на основе этого поразительно раз-но-об-раз-ные данные для дальнейшего анализа. Есть программы способные уже сегодня участвовать в создании других программ. Всё это недооценить невозможно, но всё это не является имитацией сознания. В связи с этим, интересно послушать какие возможности ис-кус-ст-вен-но-го интеллекта в имитации сознания на самом деле существуют уже сегодня. Ввиду чего мы и хотим предоставить выжимку интервью «ПостНауке» Бориса Миркина .

Возможности искусственного интеллекта

Давайте сначала определимся с тем, что мы вообще будем подразумевать под термином искусственный интеллект?

Да, совершенно верно, потому что под ис-кус-ст-вен-ным ин-тел-лек-том можно понимать разные вещи. Изначально термин искусственный интеллект применялся в качестве обозначения машины, способной вести себя, как человек. Всем известен тест Тьюринга, который Алан Тьюринг, возможно в шутку, предложил сразу после Второй мировой войны. Идея, на самом деле, замечательная, но с практической точки зрения не совсем удачная. Как правило, разработка любой технологии начинается от простого к сложному, а, согласно концепции Тьюринга, всё надо делать наоборот. Вместо того чтобы разбить задачу на множество элементов и разобраться с каждым по отдельности, задача подменяется собственным внешним проявлением.

В 60-е годы XX столетия компьютерная техника стала постепенно проникать в университеты. В связи с этим в среде ма-те-ма-ти-чес-ких логиков стала популярна идея о постановке правильных аксиом, на основании которых компьютеры смогут выдавать безошибочные результаты. Но тут возникла проблема с софистикой. Компьютер не может про-ана-ли-зи-ро-вать внутреннюю не-про-ти-во-ре-чи-вость набора аксиом. Например из аксиомы «А не равно А» можно вывести всё, что захотите. Все это понимали, поэтому стали развивать логические языки. Создали концепции фрейма, специальные машинные языки, не-клас-си-чес-кую логику и многое другое. Одновременно с этим развивалась ма-те-ма-ти-за-ция разных естественных языков.

В начале XXI века стало очевидно, что обещания, которые давали разработчики ис-кус-ст-вен-но-го интеллекта, получая гранты, реализованы в ближайшем будущем не будут. Именно с этим связано появление таких терминов, как computational intelligence и machine intelligence. Термин artificial intelligence стал практически ругательным. Сегодня же ис-кус-ст-вен-ный интеллект является не столько термином, описывающим нечто конкретное, сколько со-би-ра-тель-ным названием исследований разного направления. И все успешные современные разработки artificial intelligence, за исключением ро-бо-то-тех-ни-ки, являются результатом эффективных алгоритмов анализа данных, а не алгоритмов искусственного интеллекта.

Можно сказать, что развитие возможностей ис-кус-ст-вен-но-го интеллекта в 2000 годах стало результатом внедрения технологий анализа данных в технологии ис-кус-ст-вен-но-го интеллекта? А до 2000 годов эти две области исследований развивались параллельно друг другу?

Да, конечно! Искусственный интеллект относится к области логики, а анализ данных к статистике. До 90-х годов эти две области были никак не связаны. А вот в 90-х годах возникло такое направление data mining. Что это такое? С развитием компьютерной техники, её стали использовать в компаниях для хранения и передачи данных. Компьютеры изобретали для вычислений, а не для обработки данных. Ввиду этого пришлось при-спо-саб-ли-вать-ся под новые задачи и изобретать технологии баз данных. Они и позволили эффективно решить эту задачу, упростив хранение, поиск и обработку данных.

Решение этих проблем обнаружилось в 1993-95 годах, когда стали ис-поль-зо-вать-ся ин-тер-ак-тив-ные операционные системы. В это время в магазинах стали использовать данные о взаимосвязях при выборе товаров. Таким образом, обработав данные о поведенческих моделях покупателей, товары удалось разместить таким образом, чтобы покупатели чаще натыкались на те товары, которые обычно люди покупают вместе. Это увеличило продажи! Сегодня найти данные о тех ас-со-циа-тив-ных правилах, которые применялись при майнинге данных, почти невозможно. А ведь когда-то эта история наделала массу шума! Но нам важно то, что эта история демонстрирует, как отбираются интересные закономерности при майнинге. Интересная закономерность – это закономерность, отличающаяся от нормы.

Другой важной составляющей науки о данных является машинное обучение. Прорыв в этом отношении произошёл в том направлении, в котором максимой является то, что машины учатся, а как они это делают не важно. Предполагалось, что нейронные сети станут аналогом мозга, но на практике этого не произошло. Оказалось, что если сделать многослойную нейронную сеть, которая, казалось бы, вовсе и не нужна с математической точки зрения, то от слоя к слою сеть будет обучаться, причем ни автор алгоритма, ни пользователь не могут знать, на что именно обращает внимание многослойная нейронная сеть. Простые нейронные сети выдавали много ошибок, а вот глубокие – дают только 5–10% ошибочных ответов.

Мы не знаем, как именно работают глубокие нейронные сети. Всё, что нам известно, это факт того, что они способны уточнять свои коэффициенты при поправках «учителя». Сейчас программы даже научились писать стихи, но является ли это искусственным интеллектом? Можно выделить две группы когнитивных систем. Первая – это совокупность информации, которая не понятна человеку, а после её уточнения у эксперта, он полностью заменяет и забывает своё предыдущее представление о ней. Вторая – это то, что можно назвать таксономией. В этом случае частности объединяются в общие понятия и могут ин-тер-пре-ти-ро-вать-ся в зависимости от обстоятельств. Компьютер стремится ко второй группе сознания, но пока не может его достичь.

Новости о новых разработках в области искусственного интеллекта появляются с завидной периодичностью. Так в январе этого года Google объявила о своих планах в партнёрстве с компанией Movidius создать мобильные процессоры с возможностями машинного обучения. Заявленные цели партнерства – предоставить людям возможности машинного интеллекта в их карманных устройствах. А в феврале инженеры MIT уже представили процессор Eyeriss, благодаря которому искусственный интеллект может появиться в портативных устройствах. И это на фоне того, что объем инвестиций в разработку систем искусственного интеллекта растёт от года к году.

Все говорит о том, что скоро искусственный интеллект проникнет уже и в наши смартфоны, которые серьезно «поумнеют». Так не далеко и до восстания машин? Насколько же нужно поумнеть машинам, чтобы взять власть над людьми. И насколько это реально.

Искусственный интеллект раз, искусственный интеллект два, искусственный интеллект три

Когда мы читаем или слышим об искусственном интеллекте, то многие из нас представляют себе SkyNet и машины из знаменитого фильма о Терминаторе. Что же вкладывают в это понятие исследователи и разработчики?

Различают три вида ИИ который нам предстоит, или возможно предстоит создать:

Узконаправленный искусственный интеллект. Именно его мы в ближайшее время получим в своих новых смартфонах. Такой интеллект превосходит человеческий в определенных видах деятельности или операциях. Компьютер с узконаправленным искусственным интеллектом способен обыграть чемпиона мира по шахматам, припарковать автомобиль или подобрать наиболее соответствующие запросу результаты в поисковой системе.

Сила такого искусственного интеллекта - в вычислительных возможностях процессоров. Чем больше эти возможности, тем эффективней решаются поставленные задачи. А с ростом мощности процессоров сейчас проблем нет. Узконаправленный ИИ, в философии искусственного интеллекта (есть и такая) именуется слабым.

Но одних вычислительных возможностей, по мнению ученых, мало для того чтобы создать по настоящему умные машины. Хотя именно вымышленный случай спонтанного перехода слабого искусственного интеллекта в сильный и лег в основу сценария фильмов о Терминаторе. SkyNet – суперкомпьютер Минобороны США, предназначенный для управления системой противоракетной обороны, обретает сознание и начинает принимать собственные решения.

Общий искусственный интеллект. Если системы с узконаправленным ИИ мы уже создали и нашли им практическое применение, то с Общим ИИ все гораздо сложнее. Такой вид ИИ уже интеллект человеческого уровня. Он универсален и способен выполнять те же интеллектуальные операции, что и мозг человека.

Если мы на своем веку увидим полностью человекоподобных роботов, то они будут обладать именно таким видом интеллекта. Вспомните андроида Эндрю из фильма Криса Коламбуса «Двухсотлетний человек». Роботы с таким ИИ смогут самостоятельно обучаться, мыслить и принимать решения как люди. Они смогут выстраивать отношения с окружающими людьми, становится друзьями и помощниками. Именно такой искусственный интеллект и называется сильным.

Но между сильным и слабым искусственным интеллектом лежит пропасть. Чтобы пройти путь от одного до другого, мало увеличить вычислительную мощность компьютеров, надо ещё дать им разум. Ученые пока ещё не видят однозначного способа как это сделать.

Искусственный сверхинтеллект. Именно этот вид искусственного интеллекта и привлекает широкое внимание. Во многом потому, что возможность его создания многими учеными воспринимается как опасность для человечества. SkyNet - иллюстрация такой угрозы.

Сверхинтеллект будет умнее любого из людей. Он будет превосходить человека практически в любой сфере. Сможет решать сложнейшие задачи и делать научные открытия. Как поведет себя разумная машина в отношении с человечеством?

Ученые предполагают три модели взаимодействия:

Оракул - мы сможем получить ответ на любой сложнейший вопрос.

Джин - все что нам нужно он сделает сам, используя для этого хоть молекулярный ассемблер, хоть роботизированные лаборатории и заводы, работающие без участия человека.

Суверен - сам найдёт проблему и сам её решит.

Как видим, в термине «искусственный интеллект» кроется целых три формы существования искусственного интеллекта. И отличия их друг от друга значительные, как и последствия перехода от одного ИИ к другому. Можем ли мы определить уровень интеллекта умных машин, что бы понимать с кем имеем дело?

Как измерить искусственный интеллект?

Люди отличаются друг от друга уровнем интеллекта. Для его количественной оценки применяются специальные тесты. Тест на IQ многим известен. А как меряют интеллект машин?

Если некритично подойти к сообщениям СМИ, то интеллектуальный уровень современных машин варьируется между IQ 4-х летнего ребенка и 13-летнего подростка. Эти два числа иллюстрируют два подхода к измерению интеллектуальности машин.

В 2015 году коллектив ученых из Иллинойса проверил систему искусственного интеллекта ConceptNet созданную в Массачусетском технологическом институте с использованием стандартного теста на IQ для детей в возрасте от 2,5 до 7 лет. Результат машины соответствовал средним показателям четырехлетнего ребенка.

Помимо применения тестов рассчитанных на человека широко известен и применяется специальный тест предназначенный для машин. Тест Тьюринга призван определить может ли машина мыслить.

Тест заключается в следующем. Один человек – судья общается с двумя собеседниками, которых он не видит. Все взаимодействие ведется путем переписки с помощью компьютера-посредника. Одним из собеседников является человек, а другим компьютерная программа, выдающая себя за человека. Если судья не сможет определенно сказать, кто из его собеседников является программой, то считается что машина прошла тест.

До настоящего времени тест Тьюринга был пройден лишь однажды. В 2014 году программа Eugene Goostman, имитировавшая 13-летнего подростка, названного разработчиками Женей Густманом, смогла ввести в заблуждение судей и выдать себя за человека.

Впрочем, против подобных тестов существует множество возражений. И компьютеры, и их программы на сегодняшний день являются носителями слабого - узконаправленного искусственного интеллекта. Такой интеллект может только имитировать человека который проходит тест.

Все изменится при переходе от слабого искусственного интеллекта к сильному. Машина наделённая общим искусственным интеллектом, который будет подобен интеллекту человека, уже будет обладать сознанием и самосознанием, а следовательно будет мыслить. Такой компьютер пройдёт стандартный тест на IQ, отвечая на вопросы сознательно, как это делает человек.

Коэффициент уровня интеллекта человека колеблется от 85 до 130. Эти же показатели будут доступны и общему ИИ. А вот верхний уровень IQ искусственного сверхинтеллекта ограничений иметь не будет. Это может быть и 1 000 и 10 000. Что нас ждёт по мере совершенствования ИИ?

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) - наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Что такое искусственный интеллект

Интеллект (от лат. intellectus - ощущение, восприятие, разумение, понимание, понятие, рассудок), или ум - качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Интеллект - это общая способность к познанию и решению трудностей, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение.

В начале 1980-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение искусственного интеллекта (ИИ):

Позже к ИИ стали относить ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать некоторые задачи так, как это делал бы размышляющий над их решением человек.

Основные свойства ИИ - это понимание языка, обучение и способность мыслить и, что немаловажно, действовать.

ИИ – комплекс родственных технологий и процессов, развивающихся качественно и стремительно, например:

обработка текста на естественном языке
экспертные системы
виртуальные агенты (чат-боты и виртуальные помощники)
системы рекомендаций.

Технологические направления ИИ. Данные Deloitte

Исследования в сфере ИИ

Основная статья: Исследования в сфере искусственного интеллекта

Стандартизация в области ИИ

2018: Разработка стандартов в области квантовых коммуникаций, ИИ и умного города

Технический комитет «Кибер-физические системы» на базе РВК совместно с Региональным инжиниринговым центром «СэйфНет» 6 декабря 2018 года начали разработку комплекса стандартов для рынков Национальной технологической инициативы (НТИ) и цифровой экономики . К марту 2019 года планируется разработать документы технической стандартизации в области квантовых коммуникаций , и , сообщили в РВК. Подробнее .

Влияние искусственного интеллекта

Риск для развития человеческой цивилизации

Влияние на экономику и бизнес

Влияние технологий искусственного интеллекта на экономику и бизнес

Влияние на рынок труда

Предвзятость искусственного интеллекта

В основе всего того, что является практикой ИИ (машинный перевод, распознавание речи, обработка текстов на естественных языках, компьютерное зрение , автоматизация вождения автомобилей и многое другое) лежит глубинное обучение. Это подмножество машинного обучения , отличающееся использованием моделей нейронных сетей , о которых можно сказать, что они имитируют работу мозга, поэтому их с натяжкой можно отнести к ИИ. Любая модель нейронной сети обучается на больших наборах данных , таким образом, она обретает некоторые «навыки», но то, как она ими пользуется - для создателей остается не ясным, что в конечном счете становится одной из важнейших проблем для многих приложений глубинного обучения. Причина в том, что такая модель работает с образами формально, без какого-либо понимания того, что она делает. Является ли такая система ИИ и можно ли доверять системам, построенным на основе машинного обучения? Значение ответа на последний вопрос выходит за пределы научных лабораторий. Поэтому заметно обострилось внимание средств массовой информации к явлению, получившему название AI bias. Его можно перевести как «необъективность ИИ» или «пристрастность ИИ». Подробнее .

Рынок технологий искусственного интеллекта

Рынок ИИ в России

Мировой рынок ИИ

Сферы применения ИИ

Сферы применения ИИ достаточно широки и охватывают как привычные слуху технологии, так и появляющиеся новые направления, далекие от массового применения, иначе говоря, это весь спектр решений, от пылесосов до космических станций. Можно разделить все их разнообразие по критерию ключевых точек развития.

ИИ - это не монолитная предметная область. Более того, некоторые технологические направления ИИ фигурируют как новые подотрасли экономики и обособленные сущности, одновременно обслуживая большинство сфер в экономике.

Основные коммерческие сферы применения технологий искусственного интеллекта

Развитие применения использования ИИ ведет к адаптации технологий в классических отраслях экономики по всей цепочке создания ценности и преобразует их, приводя к алгоритмизированию практически всего функционала, от логистики до управления компанией.

Использование ИИ в целях обороны и в военном деле

Использование в образовании

Использование ИИ в бизнесе

ИИ в электроэнергетики

На уровне проектирования: улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса.
На уровне производства: оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов.
На уровне продвижения: оптимизация ценообразования в зависимости от времени дня и динамическая тарификация.
На уровне предоставления обслуживания: автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

ИИ в производственной сфере

На уровне проектирования: повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям.
На уровне производства: совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья.
На уровне продвижения: прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием.
На уровне предоставления обслуживания: улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

ИИ в банках

Распознавание образов - используется в т.ч. для узнавания клиентов в отделениях и передачи им специализированных предложений.

Основные коммерческие сферы применения технологий искусственного интеллекта в банках

ИИ на транспорте

Автоиндустрия на пороге революции: 5 вызовов эры беспилотного вождения

ИИ в логистике

ИИ в пивоварении

Использование ИИ в госуправлении

ИИ в криминалистике

Распознавание образов - используется в т.ч. для выявления преступников в общественных пространствах.

В мае 2018 года стало известно об использовании голландской полицией искусственного интеллекта для расследования сложных преступлений.

Как сообщает издание The Next Web, правоохранительные органы начали оцифровывать более 1500 отчетов и 30 млн страниц, связанных с нераскрытыми делами. В компьютерный формат переносят материалы, начиная с 1988 года, в которых преступление не раскрывалось не менее трех лет, и преступник были приговорен к более 12 годам лишения свободы.

Раскрыть сложное преступление за день. Полиция берет ИИ на вооружение

После оцифровки всего контента он будет подключен к системе машинного обучения , которая будет анализировать записи и решать, в каких делах используются самые достоверные доказательства. Это должно снизить время обработки дел и раскрытия прошлых и будущих преступлений с нескольких недель до одного дня.

Искусственный интеллект будет распределять дела по их «разрешимости» и указывать на возможные результаты экспертизы ДНК. Затем планируется автоматизировать анализ и в других областях судебной экспертизы и, возможно, даже охватить данные в таких областях, как общественные науки и свидетельские показания.

Кроме того, как рассказал один разработчиков системы Джерун Хаммер (Jeroen Hammer), в будущем могут быть выпущены API -функции для партнёров.

В голландской полиции есть специальное подразделение, специализирующееся на освоении новых технологий для раскрытия преступлений. Именно он и создало ИИ-систему для быстрого поиска преступников по уликам.

ИИ в судебной системе

Разработки в области искусственного интеллекта помогут кардинально изменить судебную систему, сделать ее более справедливой и свободной от коррупционных схем. Такое мнение высказал летом 2017 года доктор технических наук, технический консультант Artezio Владимир Крылов.

Ученый считает, что уже существующие сейчас решения в области AI можно успешно применять в разных сферах экономики и общественной жизни. Эксперт указывает, что AI успешно применяется в медицине, однако в будущем способен полностью изменить и судебную систему.

«Ежедневно просматривая новостные сообщения о разработках в области ИИ только поражаешься неисчерпаемости фантазии и плодотворности исследователей и разработчиков в этой области. Сообщения о научных исследований постоянно чередуются с публикациями о новых продуктах, врывающихся на рынок и сообщениями об удивительных результатах, полученных с помощью применения ИИ в различных областях. Если же говорить об ожидаемых событиях, сопровождаемых заметным хайпом в СМИ, в котором ИИ станет снова героем новостей, то я, наверное, не рискну делать технологических прогнозов. Могу предположить, что ближайшим событием станет появление где-то предельно компетентного суда в форме искусственного интеллекта, справедливого и неподкупного. Случится это, видимо, в 2020-2025 году. И процессы, которые пройдут в этом суде приведут к неожиданным рефлексиям и стремлению многих людей передать ИИ большинство процессов управления человеческим обществом».

Использование искусственного интеллекта в судебной системе ученый признает «логичным шагом» по развитию законодательного равенства и справедливости. Машинный разум не подвержен коррупции и эмоциям, может четко придерживаться законодательных рамок и выносить решения с учетом многих факторов, включая данные, которые характеризуют участников спора. По аналогии с медицинской сферой, роботы -судьи могут оперировать большими данными из хранилищ государственных служб. Можно предположить, что машинный интеллект сможет быстро обрабатывать данные и учитывать значительно больше факторов, чем судья-человек.

Эксперты-психологи, впрочем, считают, что отсутствие эмоциональной составляющей при рассмотрении судебных дел негативно скажется на качестве решения. Вердикт машинного суда может оказаться слишком прямолинейным, не учитывающим важность чувств и настроения людей.

Живопись

В 2015 году команда Google тестировала нейронные сети на предмет возможности самостоятельно создавать изображения. Тогда искусственный интеллект обучали на примере большого количества различных картинок. Однако, когда машину «попросили» самостоятельно что-нибудь изобразить, то оказалось, что она интерпретирует окружающий нас мир несколько странно. Например, на задачу нарисовать гантели, разработчики получили изображение, в котором металл был соединён человеческими руками. Вероятно, произошло это из-за того, что на этапе обучения анализируемые картинки с гантелями содержали руки, и нейронная сеть неверно это интерпретировала.

26 февраля 2016 года в Сан-Франциско на специальном аукционе представители Google выручили с психоделических картин, написанных искусственным интеллектом, порядка $98 тыс. Данные средства были пожертвованы на благотворительность. Одна из наиболее удачных картин машины представлена ниже.

Картина, написанная искусственным интеллектом Google.

Указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире» .

В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом .

Как указывает председатель Петербургского отделения Российской ассоциации искусственного интеллекта Т. А. Гаврилова, в английском языке словосочетание artificial intelligence не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть английский аналог intellect .

Участники Российской ассоциации искусственного интеллекта дают следующие определения искусственного интеллекта:

Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект - способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи» .

Нередко искусственным интеллектом называют и простейшую электронику, чтобы обозначить наличие датчиков и автоматический выбор режима работы. Слово искусственный в этом случае означает, что не стоит ждать от системы умения найти новый режим работы в не предусмотренной разработчиками ситуации.

Предпосылки развития науки искусственного интеллекта

История искусственного интеллекта как нового научного направления начинается в середине XX века . К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений - теории алгоритмов - и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе закрался вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг , пишет статью под названием «Может ли машина мыслить?» , в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга .

История развития искусственного интеллекта в СССР и России

В СССР работы в области искусственного интеллекта начались в 1960-х годах . В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым .

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

До 1970-х годов в СССР все исследования ИИ велись в рамках кибернетики . По мнению Д. А. Поспелова , науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров. Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики . При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики. Термин «информатика» в 1980-е годы получает широкое распространение, а термин «кибернетика» постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху «кибернетического бума» конца 1950-х - начала 1960-х годов . Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются .

Подходы и направления

Подходы к пониманию проблемы

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

нисходящий (англ. Top-Down AI ), семиотический - создание экспертных систем , баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы : мышление, рассуждение, речь, эмоции, творчество и т. д.;
восходящий (англ. Bottom-Up AI ), биологический - изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер .

Последний подход, строго говоря, не относится к науке о ИИ в смысле, данном Джоном Маккарти, - их объединяет только общая конечная цель.

Тест Тьюринга и интуитивный подход

Эмпирический тест был предложен Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence ) , опубликованной в 1950 году в философском журнале «Mind ». Целью данного теста является определение возможности искусственного мышления, близкого к человеческому.

Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы - ввести человека в заблуждение, заставив сделать неверный выбор ». Все участники теста не видят друг друга.

Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга , который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).
Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить . Так, хозяин Эндрю Мартина из «Двухсотлетнего человека » начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из Звёздного пути , будучи способным к коммуникации и научению, мечтает обрести эмоции и интуицию .

Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Про такую систему можно сказать, что у неё есть чувства («боль» - реакция на срабатывание датчика удара, «голод» - реакция на низкий заряд аккумулятора, и т. п.). А кластеры, создаваемые картами Кохонена , и многие другие продукты «интеллектуальных» систем можно рассматривать как вид творчества.

Символьный подход

Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп , первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами.

Успешность и эффективность решения новых задач зависит от умения выделять только существенную информацию, что требует гибкости в методах абстрагирования. Тогда как обычная программа устанавливает один свой способ интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто механической. Интеллектуальную задачу в этом случае решает только человек, аналитик или программист, не умея доверить этого машине. В результате создается единственная модель абстрагирования, система конструктивных сущностей и алгоритмов. А гибкость и универсальность выливается в значительные затраты ресурсов для не типичных задач, то есть система от интеллекта возвращается к грубой силе.

Основная особенность символьных вычислений - создание новых правил в процессе выполнения программы. Тогда как возможности не интеллектуальных систем завершаются как раз перед способностью хотя бы обозначать вновь возникающие трудности. Тем более эти трудности не решаются и наконец компьютер не совершенствует такие способности самостоятельно.

Недостатком символьного подхода является то, что такие открытые возможности воспринимаются не подготовленными людьми как отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает логическое программирование.

Логический подход

Логический подход к созданию систем искусственного интеллекта направлен на создание экспертных систем с логическими моделями баз знаний с использованием языка предикатов.

Учебной моделью систем искусственного интеллекта в 1980-х годах был принят язык и система логического программирования Пролог . Базы знаний, записанные на языке Пролог, представляют наборы фактов и правил логического вывода, записанных на языке логических предикатов.

Логическая модель баз знаний позволяет записывать не только конкретные сведения и данные в форме фактов на языке Пролог, но и обобщённые сведения с помощью правил и процедур логического вывода, и в том числе логических правил определения понятий, выражающих определённые знания как конкретные и обобщённые сведения.

В целом исследования проблем искусственного интеллекта в рамках логического подхода к проектированию баз знаний и экспертных систем направлены на создание, развитие и эксплуатацию интеллектуальных информационных систем , включая вопросы обучения студентов и школьников, а также подготовки пользователей и разработчиков таких интеллектуальных информационных систем.

Агентно-ориентированный подход

Последний подход, развиваемый с начала 1990-х годов , называется агентно-ориентированным подходом , или подходом, основанным на использовании интеллектуальных (рациональных) агентов . Согласно этому подходу, интеллект - это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков , и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов .

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений .

Гибридный подход

Основная статья: Гибридный подход

Гибридный подход предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности.

Модели и методы исследований

Символьное моделирование мыслительных процессов

Основная статья: Моделирование рассуждений

Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений . Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем , на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача уже формализована , то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п. В это направление входят: доказательство теорем , принятие решений и теория игр , планирование и диспетчеризация , прогнозирование .

Работа с естественными языками

Немаловажным направлением является обработка естественного языка , в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету. Некоторые прямые применения обработки естественного языка включают информационный поиск (в том числе, глубокий анализ текста) и машинный перевод .

Представление и использование знаний

Направление инженерия знаний объединяет задачи получения знаний из простой информации , их систематизации и использования. Это направление исторически связано с созданием экспертных систем - программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

Производство знаний из данных - одна из базовых проблем интеллектуального анализа данных . Существуют различные подходы к решению этой проблемы, в том числе - на основе нейросетевой технологии , использующие процедуры вербализации нейронных сетей .

Машинное обучение

Проблематика машинного обучения касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ . В 1956 году, на Дартмундской летней конференции, Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя , назвав её: «Индуктивная машина вывода» .

Робототехника

Основная статья: Интеллектуальная робототехника

Машинное творчество

Основная статья: Машинное творчество

Природа человеческого творчества ещё менее изучена, чем природа интеллекта. Тем не менее, эта область существует, и здесь поставлены проблемы написания компьютером музыки , литературных произведений (часто - стихов или сказок), художественное творчество . Создание реалистичных образов широко используется в кино и индустрии игр.

Отдельно выделяется изучение проблем технического творчества систем искусственного интеллекта. Теория решения изобретательских задач , предложенная в 1946 году Г. С. Альтшуллером , положила начало таким исследованиям.

Добавление данной возможности к любой интеллектуальной системе позволяет весьма наглядно продемонстрировать, что именно система воспринимает и как это понимает. Добавлением шума вместо недостающей информации или фильтрация шума имеющимися в системе знаниями производит из абстрактных знаний конкретные образы, легко воспринимаемые человеком, особенно это полезно для интуитивных и малоценных знаний, проверка которых в формальном виде требует значительных умственных усилий.

Другие области исследований

Наконец, существует масса приложений искусственного интеллекта, каждое из которых образует почти самостоятельное направление. В качестве примеров можно привести программирование интеллекта в компьютерных играх , нелинейное управление , интеллектуальные системы информационной безопасности .

Можно заметить, что многие области исследований пересекаются. Это свойственно для любой науки. Но в искусственном интеллекте взаимосвязь между, казалось бы, различными направлениями выражена особенно сильно, и это связано с философским спором о сильном и слабом ИИ .

Современный искусственный интеллект

Можно выделить два направления развития ИИ:

решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека (см. Усиление интеллекта );
создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества (см. Сильный и слабый искусственный интеллект ).

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Ниже представлены лишь некоторые наиболее известные разработки в области ИИ.

Применение

Турнир RoboCup

Некоторые из самых известных ИИ-систем:

Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

Психология и когнитология

Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определённых ситуациях. Была предложена Аксельродом .

Основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F - множество факторов ситуации, W - множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач.

Философия

Наука «о создании искусственного разума» не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве.

Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание, и, если возможно, то как это сделать?» Вторая группа (этика искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?»

Термин «сильный искусственный интеллект» ввёл Джон Сёрль , его же словами подход и характеризуется:

Более того, такая программа будет не просто моделью разума; она в буквальном смысле слова сама и будет разумом, в том же смысле, в котором человеческий разум - это разум .

При этом нужно понять, возможен ли «чистый искусственный» разум («метаразум»), понимающий и решающий реальные проблемы и, вместе с тем, лишённый эмоций, характерных для человека и необходимых для его индивидуального выживания.

Напротив, сторонники слабого ИИ предпочитают рассматривать программы лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей.

Этика

Научная фантастика

Тема ИИ рассматривается под разными углами в творчестве Роберта Хайнлайна : гипотеза возникновения самоосознания ИИ при усложнении структуры далее определённого критического уровня и наличии взаимодействия с окружающим миром и другими носителями разума («The Moon Is a Harsh Mistress», «Time Enough For Love», персонажи Майкрофт, Дора и Ая в цикле «История будущего»), проблемы развитии ИИ после гипотетического самоосознания и некоторые социально-этические вопросы («Friday»). Социально-психологические проблемы взаимодействия человека с ИИ рассматривает и роман Филипа К. Дика «Снятся ли андроидам электроовцы? », известный также по экранизации «Бегущий по лезвию».

В творчестве фантаста и философа Станислава Лема описано и во многом предвосхищено создание виртуальной реальности, искусственного интеллекта, нанороботов и многих других проблем философии искусственного интеллекта. Особенно стоит отметить футурологию Сумма технологии . Кроме того, в приключениях Ийона Тихого неоднократно описываются взаимоотношения живых существ и машин: бунт бортового компьютера с последующими неожиданными событиями (11 путешествие), адаптация роботов в человеческом обществе («Стиральная трагедия» из «Воспоминаний Ийона Тихого»), построение абсолютного порядка на планете путём переработки живых жителей (24-ое путешествие), изобретения Коркорана и Диагора («Воспоминания Ийона Тихого»), психиатрическая клиника для роботов («Воспоминания Ийона Тихого»). Кроме того, существует целый цикл повестей и рассказов Кибериада , где почти всеми персонажами являются роботы, которые являются далёкими потомками роботов, сбежавших от людей (людей они именуют бледнотиками и считают их мифическими существами).

Фильмы

Начиная практически с 60-х годов вместе с написанием фантастических рассказов и повестей, снимаются фильмы об искусственном интеллекте. Многие повести авторов, признанных во всём мире, экранизируются и становятся классикой жанра, другие становятся вехой в развитии кинофантастики , например Терминатор и Матрица .

См. также

Примечания

FAQ от Джона Маккарти , 2007
М. Эндрю. Реальная жизнь и искусственный интеллект // «Новости искусственного интеллекта», РАИИ, 2000
Гаврилова Т. А. Хорошевский В. Ф. Базы знаний интеллектуальных систем: Учебник для вузов
Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. - М.:Радио и связь, 1992. - 256 с.
Г. С. Осипов. Искусственный интеллект: состояние исследований и взгляд в будущее
Ильясов Ф. Н. Разум искусственный и естественный // Известия АН Туркменской ССР, серия общественных наук. 1986. № 6. С. 46-54.
Алан Тьюринг, Могут ли машины мыслить?
Интеллектуальные машины С. Н. Корсакова
Д. А. Поспелов. Cтановление информатики в России
К истории кибернетики в СССР. Очерк первый , Очерк второй
Jack Copeland. What is Artificial Intelligence? 2000
Alan Turing, «Computing Machinery and Intelligence », Mind, vol. LIX, no. 236, October 1950, pp. 433-460.
Обработка естественного языка :
Приложения обработки естественного языка, включают информационный поиск (в том числе: анализ текста и машинный перевод):
Горбань П. А. Нейросетевое извлечение знаний из данных и компьютерный психоанализ
Машинное обучение :
Алан Тюринг обсуждал как центральную тему уже в 1950, в его классической статье Computing Machinery and Intelligence. ()
(pdf scanned copy of the original) (version published in 1957, An Inductive Inference Machine, " IRE Convention Record, Section on Information Theory, Part 2, pp. 56-62)
Робототехника :
, pp. 916–932
, pp. 908–915
Проект Blue Brain - Искусственный мозг
Mild-Mannered Watson Skewers Human Opponents on Jeopardy
20Q.net Inc
Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. - Princeton. University Press, 1976
Джон Сёрль. Разум мозга - компьютерная программа?
Пенроуз Р. Новый ум короля. О компьютерах, мышлении и законах физики. - М .: УРСС, 2005. - ISBN 5-354-00993-6
ИИ как фактор глобального риска
…поведет тебя в Жизнь Вечную
http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Православный взгляд на проблему искусственного интеллекта
Гарри Гаррисон. Выбор по Тьюрингу. - М .: Эксмо-Пресс, 1999. - 480 с. - ISBN 5-04-002906-3

Литература

Компьютер учится и рассуждает (ч. 1) // Компьютер обретает разум = Artificial Intelligence Computer Images / под ред. В. Л. Стефанюка. - Москва: Мир , 1990. - 240 с. - 100 000 экз. - ISBN 5-03-001277-X (рус.); ISBN 705409155 (англ.)
Девятков В. В. Системы искусственного интеллекта / Гл. ред. И. Б. Фёдоров. - М .: Изд-во МГТУ им. Н. Э. Баумана, 2001. - 352 с. - (Информатика в техническом университете). - 3000 экз. - ISBN 5-7038-1727-7

Корсаков С.Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Под ред. А.С. Михайлова. - М .: МИФИ, 2009. - 44 с. - 200 экз. -

Что же это такое искусственный интеллект? Несомненно, многие слышали о автомобилях, способных управлять своим движением без помощи человека, устройствах распознавания речи, таких как Apple’s Siri, Amazon’s Alexa, Google’s Assistant и Microsoft’s Cortana. Но это далеко не все возможности искусственного интеллекта (ИИ).

ИИ был впервые «открыт» в 1950-х годах. На протяжении многих лет его ожидали взлеты и падения, но на современном этапе развития человечества искусственный интеллект рассматривается как ключевая технология будущего. Благодаря развитию электроники и появлению более быстрых процессоров все большее количество приложений начинает использовать ИИ. Искусственный интеллект – это необычная программная технология, с которой должен ознакомиться каждый инженер. В данной статье мы постараемся кратно описать данную технологию.

Искусственный интеллект определен

ИИ — это подполе компьютерной науки, которая включает в себя более разумное использование компьютеров и электронных компонентов, имитируя человеческий мозг. Интеллект — это способность приобретать знания и опыт и применять их для решения задач. ИИ особенно полезен при анализе и интерпретации массивов данных и извлечении из него реально полезной информации. Из информации приходит понимание, которое может быть применено для принятия решений или какого-либо рода действия.

Области исследования

Искусственный интеллект – это широкая технология с множеством возможных применений. Обычно его разделяют на подветви. Сделаем небольшой обзор каждой из них:

Решение общих задач – не имеющих конкретного алгоритмического решения. Задачи с неопределенностью и двусмысленностью.
Экспертные системы – программное обеспечение, которое содержит базу знаний правил, фактов и данных, полученных от нескольких отдельных экспертов. База данных может быть запрошена для решения проблем, диагностики заболеваний или предоставления консультаций.
Обработка естественного языка (NLP) – используется для анализа текстов. Распознавание голоса также является частью (NLP).
Компьютерное зрение — анализ и понимание визуальной информации (фотографии, видео и так далее). Примером могут служить машинное зрение и распознавание лиц. Используется в «автономных» автомобилях и производственных линиях.
Робототехника – создание более умных, адаптивных и «самостоятельных» роботов.
Игры: ИИ отлично играет в игры. Компьютеры уже запрограммированы на игру и выигрыш в шахматах, покере и в Го.
Машинное обучение — процедуры, позволяющие компьютеру учиться на основе входных данных и осмысливать результаты. Нейронные сети составляют основу машинного обучения.

Как работает искусственный интеллект

Обычные компьютеры используют алгоритмы для решения задач. Последовательность инструкций приводит к пошаговому выполнению действий для получения результатов. Традиционные формы искусственного интеллекта основываются на базах знаний и механизмах логического вывода, которые используют различные механизмы для работы с базой знаний через пользовательский интерфейс. Полезные результаты получены некоторыми из перечисленных ниже методов:

Поиск: алгоритмы поиска используют базу данных информации, собранной в графы или деревья. Поиск — это основной метод искусственного интеллекта.
Логика: дедуктивное и индуктивное рассуждение используется для определения истинности или ложности утверждений. Это включает как логику высказываний, так и логику предикатов.
Правила: правила — это серия инструкций «если», которые можно найти для определения результата. Системы, основанные на правилах, называются экспертными системами.
Вероятность и статистика: некоторые задачи могут быть решены, и решения находятся, благодаря применению стандартной математической теории вероятности и статистики.
Списки: некоторые типы информации могут быть сохранены в списки, которые становятся доступными для поиска.
Другими формами знаний являются схемы, фреймы и сценарии, которые представляют собой структуры, инкапсулирующие различные типы знаний. Методы поиска ищут ответы по соответствующим запросам.

Традиционные или унаследованные методы ИИ, такие как поиск, логика, вероятность и правила, считаются первой волной искусственного интеллекта. Эти методы все еще используются и хорошо воспринимают знание и рассуждения, особенно для узкого круга задач. В первой волне ИИ отсутствуют человеческие черты обучения и абстрагирования решений. Эти качества теперь доступны во второй волне искусственного интеллекта, благодаря нейронным сетям и машинному обучению.

Нейронные сети

Сегодня большинство исследований и разработок ИИ основаны на использовании нейронных сетей или искусственных нейронных сетей (ИНС). Эти сети состоят из искусственных нейронов, имитирующих нейроны в человеческом мозге, которые отвечают за наше мышление и обучение. Каждый нейрон является узлом сложной взаимосвязи, которая связывает многие нейроны с другими посредством синапсов. ИНС имитирует эту сеть.

Каждый узел имеет несколько взвешенных входов, а также выход и установку порога (рисунок выше). Такие узлы обычно реализуются в программном обеспечении, хотя аппаратная эмуляция также возможна. Типичная схема состоит из трех слоев — входной слой, скрытый (обрабатывающий или обучающий слой) и выходной слой:

Некоторые механизмы используют обратное распространение для обеспечения обратной связи, которая изменяет веса ввода некоторых узлов по мере получения новой информации.

Машинное обучение и глубокое обучение

Машинное обучение — это метод обучения компьютера распознаванию образов. Компьютер или устройство «обучается» с примером, а затем запускаются специальные программы для сравнения ввода с обученным значением. Как правило, для обучения программного обеспечения требуются огромные объемы данных. Программы машинного обучения предназначены для автоматического изучения, поскольку они получают больше знаний и опыта благодаря новым материалам.

Нейронные сети обычно используются для машинного обучения, однако могут использоваться и другие алгоритмы. Затем программное обеспечение может изменить себя, улучшив распознаваемость на основе новых входных данных. Теперь некоторые системы машинного обучения могут самостоятельно распознавать образы без обучения, а затем модифицировать себя для дальнейшего совершенствования.

Глубокое обучение — это расширенный случай машинного обучения. Он также использует нейронные сети, называемые глубокими нейронными сетями (ГНС). Они включают в себя дополнительные скрытые уровни вычислений для дальнейшего совершенствования своих возможностей. Требуется массовое обучение. Программисты могут повысить производительность, играя с весами межсоединений. ГНС также требуют матричной обработки. Однако следует отметить, что ГНС используют статистические веса, поэтому результаты, скажем, в видимом распознавании, могут быть не 100%. Кроме того, отладка таких систем – очень кропотливая работа.

Машинное обучения и глубокое обучения широко используются для анализа больших массивов данных, а также в компьютерном зрении и распознавании речи. Также они могут применяться и в других областях, таких как медицина, юриспруденция и финансы.

Программное обеспечение искусственного интеллекта

Для программирования ИИ может использоваться почти любой язык программирования, но некоторые языки имеют определенные преимущества. Профильные языки, разработанные специально для ИИ, включают LISP и Prolog. LISP, один из старейших языков более высокого уровня, обрабатывает списки. Prolog основан на логике. Сегодня популярны C ++ и Python. Также существует специальное программное обеспечение для разработки экспертных систем.

Несколько крупных пользователей ИИ предоставляют платформы для разработки, в том числе Amazon, Baidu (Китай), Google, IBM и Microsoft. Эти компании предлагают предварительно обученные системы в качестве стартовой точки для некоторых распространенных приложений, таких как распознавание голоса. Поставщики процессоров, такие как Nvidia и AMD, также предлагают определенную поддержку.

Аппаратное обеспечение для искусственного интеллекта

Запуск программного обеспечения искусственного интеллекта на компьютере обычно требует высокой скорости и большого объема памяти. Однако некоторые простые приложения могут работать на 8-битном процессоре. Некоторые из современных процессоров более чем подходят, а несколько параллельных процессоров могут быть идеальным решением для определенных приложений. Кроме того, для некоторых применений были разработаны специальные процессоры.

Графические процессоры (GPU) представляют собой пример фокусировки архитектуры и набора инструкций на заданное использование для оптимизации производительности. Например, специальные процессоры Nvidia для самостоятельного вождения автомобилей и графические процессоры AMD. Google разработал собственные процессоры для оптимизации своих поисковых систем. Intel и Knupath также предлагают программную поддержку для своих передовых процессоров. В некоторых случаях специальная логика в ASIC или FPGA может реализовать определенное приложение.

Активность и текущий статус

Искусственный интеллект когда-то считался экзотическим программным обеспечением, предназначенным для особых нужд. Требование высокоскоростных компьютеров с большим количеством памяти ограничивало его использование. Сегодня, благодаря супер быстрым процессорам, многоядерным процессорам и дешевой памяти, ИИ стал более популярным. Поисковые системы Google, которые мы все используем ежедневно, основаны на искусственном интеллекте.

На сегодняшний день акцент, несомненно, сделан на нейронные сети и глубокое машинное обучение. В то время как распознавание голоса и самоходные автомобили по-прежнему в центре внимания, появляются другие ключевые приложения, такие как распознавание лиц, беспилотная навигация, робототехника, медицинская диагностика и финансы. В разработке также находятся и передовые военные приложения (например, автономное оружие).

Будущее ИИ выглядит многообещающим. По данным Orbis Research, к 2022 году ожидается рост глобального рынка искусственного интеллекта с совокупным ежегодным темпом роста более 35%. The International Data Corporation (IDC) также позитивно настроена, заявив, что расходы на искусственный интеллект, как ожидается, увеличатся до 47 миллиардов долларов в 2020 году, по сравнению с 8 миллиардами в 2016 году.

У многих возникает логический вопрос – заменит ли искусственный интеллект людей некоторых профессий, и что это будут за профессии? Ответ звучит следующим образом – «возможно и только некоторые». Скорее всего, компьютеры на основе искусственного интеллекта помогут повысить производительность некоторых профессий, повысив производительность, эффективность и скорость принятия решений. Однако, некоторые рабочие места в промышленности все же будут утеряны, так как большое развитие получает робототехника, но замена человека машинами приведет к созданию новых рабочих мест, связанных с обслуживанием этих машин.

Другой вопрос, задаваемый многими людьми, может ли быть искусственный интеллект опасен для человечества? ИИ умен, но не настолько умен. Его основным назначением будет анализ данных, решение задач и принятие решений на основе имеющейся информации и дистиллированных знаний. Люди по прежнему доминируют, особенно когда речь заходит о инновациях и творчестве. Однако трудно предсказать будущее. По крайней мере, на данном этапе развития сверх умных роботов нет, пока нет…