Штучний інтелект: погляд у майбутнє

Київський Національний Університет Культури і Мистецтв

Факультет економіки та інформаційних технологій

Кафедра комп’ютерних наук

Реферат

на тему:

«Штучний інтелект:

погляд у майбутнє»

Виконала студентка 1-го курсу групи КН-25

Черногор А. Г.

Перевірила кандидат педагогічних наук, доцент

Чайковська О.А.

Київ

2015

Зміст

 

 

Вступ

Розвиток вітчизняної робототехніки переживає великі труднощі, галузь фактично поставлена на грань виживання. Є кілька причин такого становища. По-перше, вся науково-технічна та дослідницька база робототехніки довгі роки підтримувалася і  фінансувалася державою, основні пріоритети розвитку цієї галузі визначалися на урядовому рівні. По-друге, розвиток робототехніки в Радянському союзі стимулювалося економічним суперництвом між країнами соціалістичного і капіталістичного табору.

Розвиток робототехніки в Україні залежить від багатьох причин. Робототехніка - важлива і перспективна галузь промисловості, оскільки за допомогою роботів та їх комплексів керівники підприємств можуть створювати високоефективне виробництво з мінімальними витратами і високою якістю продукції. Для досягнення цього завдання вони готові залучати інвестиційний капітал і вкладати в їх розвиток власні кошти підприємства з метою значно збільшити чистий прибуток від продажів продукції в майбутньому. Таким чином, для багатьох розвинених підприємств подібний підхід став основою стратегії роботи на довгі роки.

Світові лідери у виробництві робототехніки вже конкурують між собою на українському ринку, використовуючи знання і досвід вітчизняних інженерів з робототехніки. Стан справ необхідно терміново змінювати: розвивати вітчизняну робототехніку за допомогою національних проектів, які повинні прийматися і курируватися на державному рівні.

 

1. Системи штучного інтелекту

1.1 Теоретичні основи систем штучного інтелекту

Протягом тисяч років людина намагається зрозуміти, як вона думає. У галузі штучного інтелекту (ШІ) вирішується ще більш відповідальне завдання: фахівці в цій області намагаються не тільки зрозуміти природу інтелекту, а й створити інтелектуальні сутності.

Повернувшись в минуле століття, зануримося в ту атмосферу творення і відкриття Норбертом Вінером нової науки «Кібернетики», що поклала початок створенню «розумних машин» .

Кібернетика - більшою мірою наука про живі організми, людину і суспільство, ніж про машини. Машина - скоріше інструмент і модель в загальній кібернетиці, а не предмет вивчення. Так вважав сам Вінер.

Вінер порівнював машини створювані людиною, і машини, створювані природою і робив висновок, що машини створені природою (люди) ефективніші і пристосовані, але машини, створені людиною, дали людині в руки знаряддя для природного експерименту і експерименту уявного.

Штучний інтелект це одна з новітніх областей науки. Перші роботи в цій області почалися незабаром після Другої світової війни, а сама її назва було запропоновано в 1956 році. Вчені інших спеціальностей найчастіше ставлять штучний інтелект, поряд з молекулярною біологією. Студенти-фізики цілком обґрунтовано вважають, що всі великі відкриття в їх області вже були зроблені Галілеєм, Ньютоном, Ейнштейном та іншими вченими.

Нині тематика штучного інтелекту охоплює величезний перелік наукових напрямів, починаючи з таких завдань загального характеру, як навчання і сприйняття, і закінчуючи такими спеціальними завданнями, як гра в шахи, доказ математичних теорем, творіння поетичних творів та діагностика захворювань. У штучному інтелекті систематизуються і автоматизуються інтелектуальні завдання, і тому ця область стосується кожної сфери інтелектуальної діяльності людини. У цьому сенсі штучний інтелект є воістину універсальною науковою областю.

Властивості штучного інтелекту

Характеристика штучного інтелекту була запропонована Л.Т. Кузіним :

• наявність в них власної внутрішньої моделі зовнішнього світу; ця модель забезпечує індивідуальність, відносну самостійність системи в оцінці ситуації, можливість семантичної і прагматичної інтерпретації запитів до системи;
• здатність поповнення наявних знань;
• здатність до дедуктивного висновку, тобто до генерації інформації, яка в явному вигляді не міститься в системі; це якість дозволяє системі конструювати інформаційну структуру з новою семантикою і практичною спрямованістю;
• вміння оперувати в ситуаціях, пов'язаних з різними аспектами нечіткості, включаючи «розуміння» природної мови;
• здатність до діалогової взаємодії з людиною;
• здатність до адаптації.

Можна сказати, що ці характеристики досить точно відповідають характеристикам нашого інтелекту.

Передумови розвитку науки штучного інтелекту

Історія штучного інтелекту як нового наукового напрямку починається в середині 20 століття. Наприклад у тесті Тюрінга комп’ютер мав володіти такими засобами:

• Засоби обробки текстів на природних мовах (Natural Language Processing-NLP), що дозволяють успішно спілкуватися з комп'ютером, скажімо англійською мовою.
• Засоби подання знань , за допомогою яких комп'ютер може записати в пам'ять те, що він дізнається або прочитає.

 

• Засоби автоматичного формування логічних висновків , що забезпечують можливість використовувати збережену інформацію для пошуку відповідей на питання і виведення нових висновків.

 

• Засоби машинного навчання , які дозволяють пристосовуватися до нових обставин, а також виявляти і екстраполювати ознаки стандартних ситуацій.

У тесті Тюрінга свідомо виключено безпосередня фізична взаємодія експериментатора і комп'ютера, оскільки для створення штучного інтелекту не потрібна фізична імітація людини. Але в так званому повному тесті Тюрінга передбачено використання відеосигналу для того, щоб експериментатор міг перевірити здібності випробуваного об'єкта до сприйняття, а також мав можливість представити фізичні об'єкти «в неповному вигляді»

Щоб пройти повний тест Тюрінга, комп'ютер повинен володіти перерахованими нижче здібностями:

· Машинний зір для сприйняття об'єктів.

· Засоби робототехніки для маніпулювання об'єктами і переміщення в просторі.

Шість напрямків досліджень, перерахованих вище, складають основну частину штучного інтелекту, а Тюрінг заслуговує нашої вдячності за те, що запропонував такий тест, який не втратив своєї значущості і через 50 років. Тим не менше, дослідники штучного інтелекту практично не займаються вирішенням завдання проходження тесту Тюрінга, вважаючи, що набагато важливіше вивчити принципи інтелекту, ніж продублювати одного з носіїв природного інтелекту. 
1.2 Прикладні завдання систем штучного інтелекту

На початку вісімдесятих років у дослідженнях зі штучного інтелекту сформувався самостійний напрямок, що одержав назву «експертні системи» (ЕС). Мета досліджень з ЕС полягає в розробці програм, які при вирішенні завдань, важких для експерта-людини, отримують результати, які не поступаються за якістю і ефективності рішень, одержуваних експертом. Дослідники в області ЕС для назви своєї дисципліни часто використовують також термін «інженерія знань», введений Е. Фейгенбаумом як «привнесення принципів та інструментарію досліджень з області штучного інтелекту в вирішення важких прикладних проблем, що вимагають знань експертів».

Програмні засоби (ПЗ), що базуються на технології експертних систем, або інженерії знань (надалі будемо використовувати їх як синоніми), набули значного поширення у світі. Важливість експертних систем полягає в наступному:

· технологія експертних систем істотно розширює коло практично значущих завдань, що вирішуються на комп'ютерах, вирішення яких приносить значний економічний ефект;

· технологія ЕС є найважливішим засобом у вирішенні глобальних проблем традиційного програмування: тривалість і, отже, висока вартість розробки складних додатків;

· висока вартість супроводу складних систем, яка часто в кілька разів перевершує вартість їх розробки; низький рівень повторно використовуваних програм тощо;

· об'єднання технології ЕС з технологією традиційного програмування додає нові якості до програмних продуктів за рахунок: забезпечення динамічної модифікації додатків користувачем, а не програмістом; більшої «прозорості» додатку (наприклад, знання зберігаються на обмеженому ЕЯ, що не потребує коментарів до знань, спрощує навчання та супровід); кращої графіки; інтерфейсу і взаємодії.

На думку провідних фахівців, в недалекій перспективі ЕС знайдуть наступне застосування:

· ЕС будуть відігравати провідну роль у всіх фазах проектування, розробки, виробництва, розподілу, продажу, підтримки та надання послуг;

· технологія ЕС, що отримала комерційне поширення, забезпечить революційний прорив в інтеграції додатків з готових інтелектуально-взаємодіючих модулів.

ЕС призначені для так званих неформалізованих задач, тобто ЕС відкидають і не замінюють традиційного підходу до розробки програм, орієнтованого на рішення формалізованих задач.

Неформалізовані завдання зазвичай володіють наступними особливостями:

· неоднозначністю, неповнотою і суперечливістю вихідних даних;

· неоднозначністю, неповнотою і суперечливістю знань про проблемної області і розв'язуваної задачі;

· великою розмірністю простору рішення, тобто перебір при пошуку рішення досить великий;

· динамічно змінюються данні і знання.

Слід підкреслити, що неформалізовані задачі представляють великий і дуже важливий клас задач. Багато фахівців вважають, що ці завдання є найбільш масовим класом задач, розв'язуваних ЕОМ.

Експертні системи та системи штучного інтелекту відрізняються від систем обробки даних тим, що в них в основному використовуються символьний (а не числовий) спосіб подання, символьний висновок і евристичний пошук рішення (а не виконання відомого алгоритму).

Експертні системи застосовуються для вирішення тільки важких практичних (Не іграшкових) завдань. За якістю і ефективності вирішення експертні системи не поступаються рішенням експерта-людини. Рішення експертних систем володіють « прозорістю», тобто можуть бути пояснені користувачу на якісному рівні. Ця якість експертних систем забезпечується їх здатністю міркувати про свої знання і умовиводах. Експертні системи здатні поповнювати свої знання в ході взаємодії з експертом. Необхідно відзначити, що в даний час технологія експертних систем використовується для вирішення різних типів завдань (інтерпретація, пророкування, діагностика, планування, конструювання, контроль, налагодження, інструктаж, управління) в найрізноманітніших проблемних областях, таких, як фінанси, нафтова і газова промисловість , енергетика, транспорт, фармацевтичне виробництво, космос, металургія, гірнича справа, хімія, освіта, целюлозно-паперова промисловість, телекомунікації і зв'язок та ін.

Структура експертних систем

Типова статична ЕС складається з наступних основних компонентів:

· виконавець (інтерпретатор);

· робоча пам'ять (РП), так звана база даних (БД);

· база знань (БЗ);

· компоненти придбання знань;

· пояснювальний компонент;

· діалоговий компонент.

База даних (робоча пам'ять) призначена для зберігання вихідних і проміжних даних розв'язуваної в поточний момент завдання. Цей термін збігається за назвою, але не за змістом з терміном, використовуваним в інформаційно-пошукових системах (ІПС) і системах управління базами даних (СКБД) для позначення всіх даних (у першу чергу довгострокових), збережених в системі.

База знань (БЗ) в ЕС призначена для зберігання довгострокових даних, що описують розглянуту область (а не поточних даних), і правил, що описують доцільні перетворення даних цієї області.

Виконавець, використовуючи вихідні дані з робочої пам'яті і знання з БЗ, формує таку послідовність правил, які, будучи застосованими до вихідних даних, призводять до вирішення завдання.

Компонент придбання знань автоматизує процес наповнення ЕС знаннями, здійснюваний користувачем-експертом.

Пояснювальний компонент пояснює, як система отримала рішення задачі (або чому вона не отримала рішення) і які знання вона при цьому використовувала, що полегшує експерту тестування системи і підвищує довіру користувача до отриманому результату.

Діалоговий компонент орієнтований на організацію дружнього спілкування з користувачем як у ході вирішення завдань, так і в процесі набуття знань і пояснення результатів роботи.

У розробці ЕС беруть участь представники наступних спеціальностей:

o експерт у проблемній області, задачі якої вирішуватиме ЕС;

o інженер по знанням - фахівець з розробки ЕС (використовувані ним технології, методи називають технологією (методами) інженерії знань);

o програміст з розробки інструментальних засобів (ІС), призначених для прискорення розробки ЕС.

Необхідно зазначити, що відсутність серед учасників розробки інженерів по знаннях (тобто їх заміна програмістами) або приводить до невдачі процес створення ЕС, або значно подовжує його.

Експерт визначає знання (дані і правила), що характеризують проблемну область, забезпечує повноту та правильність введених в ЕС знань.

Інженер по знаннях допомагає експерту виявити і структурувати знання, необхідні для роботи ЕС; здійснює вибір того ІС, яке найбільш підходить для даної проблемної області, і визначає спосіб представлення знань у цьому ІС; виділяє і програмує (традиційними засобами) стандартні функції (типові для даної проблемної області), які будуть використовуватися в правилах, що вводяться експертом.