Что такое искусственный интеллект (ИИ) (стр. 3 )

Теория управления и кибернетика (период с 1948 года по настоящее время)

Качественно новый скачок развития ИИ связан с появлением подходящего устройства моделирования мышления человека, т. е. ЭВМ, и публикацией книги Норберта Винера «Кибернетика или управление и связь в животном и машине» в 50-х годах ХХ века. Винеру принадлежит принцип «обратной связи», который заключается в использовании информации, поступающей из окружающего мира, для изменения поведения машины. Он доказал, что благодаря обратной связи все живое приспосабливается к окружающей среде. Винер и его коллеги рассматривали целенаправленное поведение как обусловленное действием регуляторного механизма, пытающего минимизировать "ошибку" — различие между текущим и целевым состоянием.

Предметом современной теории управления, особенно той ее ветви, которая получила название стохастического оптимального управления, является проектирование систем, которые максимизируют целевую функцию во времени. Это примерно соответствует представлению о проектировании систем, которые действуют оптимальным образом. Почему же в таком случае искусственный интеллект и теория управления рассматриваются как две разные научные области, особенно если учесть, какие тесные взаимоотношения связывали их основателей? Искусственный интеллект был отчасти основан как способ избежать ограничений математических средств, применявшихся в теории управления в 1950-х годах. Такие инструменты, как логический вывод и вычисления, позволили исследователям искусственного интеллекта успешно рассматривать некоторые проблемы (например, понимание естественного языка, зрение и планирование), полностью выходящие за рамки исследований, предпринимавшихся теоретиками управления.

Лингвистика

Каким образом язык связан с мышлением?

Ноам Хомский [1957], который опубликовал книгу Syntactic Structures показал, что бихевиористская теория не позволяет понять истоки творческой деятельности, осуществляемой с помощью языка, — она не объясняет, почему ребенок способен понимать и складывать предложения, которые он до сих пор никогда еще не слышал. Теория Хомского, основанная на синтаксических моделях позволяла объяснить этот феномен, и, в отличие от предыдущих теорий, оказалась достаточно формальной для того, чтобы ее можно было реализовать в виде программ.

Таким образом, современная лингвистика и искусственный интеллект, которые "родились" примерно в одно и то же время и продолжают вместе расти, пересекаются в гибридной области, называемой вычислительной лингвистикой или обработкой естественного языка. Вскоре было обнаружено, что проблема понимания языка является гораздо более сложной, чем это казалось в 1957 году. Для понимания языка требуется понимание предмета и контекста речи, а не только анализ структуры предложений. Это утверждение теперь кажется очевидным, но сам данный факт не был широко признан до 1960-х годов.

С этого времени в истории ИИ выделяют примерно четыре периода.

История. Классический период: игры и доказательство теорем

Первые годы развития искусственного интеллекта были полны успехов, хотя и достаточно скромных. Если учесть, какими примитивными были в то время компьютеры и инструментальные средства программирования, и тот факт, что лишь за несколько лет до этого компьютеры рассматривались как устройства, способные выполнять только арифметические, а не какие-либо иные действия, можно лишь удивляться тому, как удалось заставить компьютер выполнять операции, хоть немного напоминающие разумные.

После второй мировой войны были предприняты попытки решать с помощью компьютера игры и головоломки. Первые исследования в области ИИ не претендовали на получение каких-либо практических результатов, важной была принципиальная возможность решения задач такого рода. Фундаментальная идея, которая появилась в результате этих опытов, получила название: поиск в пространстве состояний. Идея очень проста и состоит из трех этапов:

-  исходное состояние;

-  тест завершения;

-  множество операций, которые можно использовать для изменения текущего состояния.

Основной применяемый алгоритм получил название «порождение и проверка». Игры порождают очень большие пространства состояний. Сразу же столкнулись с явлением, получившим название комбинаторного взрыва, и он представлял очень серьезную проблему при программировании, например, игры в шахматы. Поскольку человеческий мозг слабее компьютера в переборе вариантов, а в шахматы человек играл лучше, естественно было предположить, что человек играет в шахматы каким-то другим способом (выбором стратегии и наилучшего хода). Пришли к понятию эвристики – некоторой стратегии, избирательно анализирующей пространство состояний. Игры – хорошая основа для изучения эвристических алгоритмов. Были созданы неплохие программы, которые избирательно анализировали пространство состояний, но их нельзя было отнести к классу систем, основанных на знаниях.

В 50-е годы были начаты работы по машинному переводу с одного языка на другой.

В 1957 г. Розенблатом было предложено устройство для распознавания образов – персептрон.

В это же время Ньюэлл и Саймон создали свой универсальный решатель задач General Problem Solver (GPS, 1959 г.). Аристотель в свое время утверждал, что действия обоснованы логической связью между целями и знаниями о результатах данного конкретного действия. Нам предоставляется право выбора не целей, а средств достижения цели, ведь врач рассуждает не о том, должен ли он лечить, а оратор — не о том, станет ли он убеждать... Поставив цель, он размышляет, как и какими средствами ее достичь; а если окажется несколько средств, то определяет, какое из них самое простое и наилучшее; если же достижению цели служит одно средство, думает, как ее достичь при помощи этого средства и что будет средством для этого средства, пока не дойдет до первой причины, которую находит последней... и то, что было последним в порядке анализа, обычно становится первым в порядке осуществления... Алгоритм Аристотеля был реализован через 2300 лет Ньюэллом и Саймоном в программе GPS. Теперь то, что создано на его базе, принято называть регрессивной системой планирования. Эта программа с самого начала была предназначена для моделирования процедуры решения задач человеком. Как оказалось, в пределах того ограниченного класса головоломок, которые была способна решать эта программа, порядок, в котором она рассматривала подцели и возможные действия, был аналогичен тому подходу, который применяется людьми для решения таких же проблем. Поэтому программа GPS была, по-видимому, самой первой программой, в которой был воплощен подход к "организации мышления по такому же принципу, как и у человека". Система решала задачи, сформулированные как проблемы поиска в пространстве состояний. Программа использовала стратегии, ограниченные синтаксисом различий между текущим и целевым состоянием. Это общая эвристика, основанная на синтаксисе. Программы, подобные GPS, получили название решателями задач на основе слабых методов.

Основной подход к решению задач, сформированный в течение первого десятилетия исследований в области искусственного интеллекта, представлял собой механизм поиска общего назначения, с помощью которого предпринимались попытки связать в единую цепочку элементарные этапы проведения рассуждений для формирования полных решений. Подобные подходы получили название слабых методов, поскольку они не позволяли увеличить масштабы своего применения до уровня более крупных или более сложных экземпляров задач, несмотря на то, что были общими.

Другая задача, которая занимала исследователей – автоматическое доказательство теорем. Смысл этой задачи: некоторое утверждение (теорема) логически следует из декларированного множества других утверждений (аксиом), которые полагаются истинными. Знания, касающиеся решения некоторой проблемы, можно представить как набор аксиом, а процесс поиска решения проблемы можно рассматривать как попытку доказать теорему, т. е. поиск решения аналогичен поиску пути в пространстве состояний, и для его решения можно использовать тот же аппарат. Ньюэлл и Саймон уже могли продемонстрировать программу, проводящую рассуждения, Logic Theorist (LT), или логик-теоретик. Программа показала свою способность доказать большинство теорем труда Рассела и Уайтхеда Principia Mathematica. Сообщали, что Рассел пришел в восторг, когда Саймон показал ему, что эта программа предложила доказательство одной теоремы, более короткое, чем в Principia.

Благодаря исследованиям в области доказательства теорем были разработаны языки формальных представлений, таких, как Пролог.

Однако надежды, порожденные первыми успехами, не оправдались. Задача машинного перевода оказалась гораздо сложнее, и ее решение отодвинулось на два десятилетия. GPS оказался крайне неэффективным при решении «больших» задач, в частности, при многочисленных попытках автоматизировать игру в шахматы. Неэффективной оказалась систем доказательства теорем – неспособность справиться с большими пространствами: система генерирует бесконечное множество теорем, пока не наткнется на нужную. Однако удалось разработать эвристики, основанные на оценке синтаксической формы логического выражения.

Вычислительной мощи ЭВМ того времени оказалось недостаточно для задач перебора, даже направленного. Одного хитроумного алгоритма оказалось недостаточно. Требуется нечто большее, некоторая глобальная стратегия решения проблемы (слабые методы) или явное использование знаний об объектах, их свойствах и связанных с ними действий (сильные методы). Вместе с тем этап показал возможности использования ЭВМ при решении задач, ранее решаемых только человеком.

Период машинного понимания

Продолжался от середины 60-х до середины 70-х годов. Период робототехники. Разрабатывались глубинные теоретические вопросы и их программная реализация.

Вывод о разумности программы основан на идее, что если программа способна в ответ на вопрос выполнять соответствующие действия, то можно считать, что она «поняла» заданный вопрос. То есть понимание основывалось на воспроизведении поведенческой реакции.