Понятие искусственного интеллекта

Термин интеллект (intelligence) происходит от латинского intellectus, – что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) – ИИ (AI) обычно толкуется, как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.

ИИ, как научное направление, связанное с машинным моделированием интеллектуальных человеческих функций, возникло в середине 60-х годов XX столетия. Исторически сложились три основных направления в моделировании ИИ.

В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интеллектуальных интерактивных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

В настоящее время ИИ – мощная ветвь информатики, имеющая как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, связанные с созданием и эксплуатацией работоспособных образцов интеллектуальных систем.

Любая задача, для которой не известен алгоритм решения, может быть отнесена к сфере искусственного интеллекта. Примерами могут быть игра в шахматы, медицинская диагностика, составление резюме текста или перевода его на иностранный язык - для решения этих задач не существует четких алгоритмов. Еще две характерные особенности задач искусственного интеллекта: преобладающее использование информации в символьной (а не в числовой) форме и наличие выбора между многими вариантами в условиях неопределенности.

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Хотя, правда здесь надо отметить еще кибернетические игрушки типа «электронной мыши» Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла «исследовать» лабиринт, и находить выход из него. А, кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.

Основными направлениями, где применяются методы ИИ, являются следующие.

1. Восприятие и распознавание образов, под этим понимаются не просто технические системы, воспринимающие визуальную и звуковую информацию, кодирующие и размещающие ее в памяти, проблемы понимания и логического рассуждения в процессе обработки визуальной и речевой информации.

2. Математика и автоматическое доказательство теорем.

3. Игры. Как и формальные системы в математике, игры, характеризующиеся конечным числом ситуаций и четко определенными правилами, с самого начала исследований по ИИ привлекли к себе внимание как предпочтительные объекты исследования, полигон для применения новых методов.

4. Решение задач. В данном случае понятие «решение» используется в широком смысле, относится к постановке, анализу и представлению конкретных ситуаций, а рассматриваемые задачи - те, которые встречаются в повседневной жизни, для решения которых требуется изобретательность и способность к обобщению.

5. Понимание естественного языка. Здесь ставится задача анализа и генерации текстов, их внутреннего представления, выявление знаний, необходимых для понимания текстов. Трудности связаны, в частности, с тем, что значительная часть информации в обычном диалоге не выражается определенно и ясно.

6. Выявление и представление знаний экспертов в экспертных системах. Экспертные системы – это интеллектуальные системы, вобравшие в себя знания специалистов в конкретных видах деятельности - имеют большое практическое значение, с успехом применяются во многих областях, таких как автоматизированное проектирование, медицинская диагностика, химический анализ и синтез и т.д.

Во всех этих направлениях главные трудности связаны с тем, что недостаточно изучены и поняты принципы человеческой интеллектуальной деятельности, процесс принятия решений и решение задач. В силу этого, работы в области искусственного интеллекта тесно соприкасаются с исследованиями по соответствующим разделам психологии, физиологии, лингвистики.

Экспертные системы

Систему искусственного интеллекта, построенную на основе высококачественных специальных знании о некоторой предметной области (полученных от экспертов – специалистов этой области), называют экспертной системой. Экспертные системы – это один из немногих видов систем искусственного интеллекта, который получил широкое распространение и практическое применение. Существуют экспертные системы по военному делу, геологии, инженерному делу, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельскому хозяйству, управлению, физике, химии, электронике, юриспруденции и т.д.

От других программ экспертные системы отличаются по следующим признакам:

1) компетентность - в конкретной предметной области экспертная система должна достигать того же уровня, что и эксперты - люди, при этом она должна пользоваться теми же эвристическими приемами, также глубоко и широко отражать предметную область;

2) символьные рассуждения - знания, на которых основана экспертная система, представляют в символьном виде понятия реального мира, рассуждения также происходят в виде преобразований символьных наборов;

3) глубина - экспертиза должна решать глубокие, нетривиальные задачи, отличающиеся сложностью либо в плане сложности знаний, которые экспертная система использует, либо в плане их обилия, это не позволяет использовать полный перебор вариантов как метод решения задачи и заставляет прибегать к эвристическим, творческим, неформальным методам;

4) самосознание - экспертная система должна включать в себя механизм объяснения того, каким образом она приходит к решению задачи.

Экспертные системы (рис. 1) создаются для решения разного рода проблем, но основные типы их деятельности можно сгруппировать в категории, приведенные в таблице 3.

Схема обобщенной экспертной системы

Экспертные системы, выполняющие интерпретацию, как правило, используют информацию от датчиков для описания ситуации. Например, это может быть интерпретация показаний измерительных приборов на химическом заводе для определения состояния процесса. Интерпретирующие системы имеют дело не с четкими символьными представлениями проблемной ситуации, а непосредственно с реальными данными. Они сталкиваются с затруднениями, которых нет у систем других типов, потому что им приходится обрабатывать информацию зашумленную, недостаточную, неполную, ненадежную или ошибочную. Им необходимы специальные методы регистрации характеристик непрерывных потоков данных, сигналов или изображений и методы их символьного представления.

Интерпретирующие экспертные системы могут обрабатывать разнообразные виды данных. Например, системы анализа сцен и распознавания речи, используя

естественную информацию (в одном случае визуальные образы, в другом - звуковые сигналы), анализируют их характеристики и понимают их смысл. Интерпретация в области химии использует данные дифракции рентгеновских лучей, спектрального анализа или ядерного магнитного резонанса для вывода химической структуры веществ.

Экспертные системы, осуществляющие прогноз, определяют вероятные последствия заданных ситуаций. Примерами служат прогноз ущерба урожаю от некоторого вида вредных насекомых, оценивание спроса на нефть на мировом рынке, прогнозирование места возникновения следующего вооруженного конфликта на основании данных разведки. Системы прогнозирования иногда используют имитационное моделирование, т.е. программы, которые отражают причинно-следственные взаимосвязи в реальном мире, чтобы сгенерировать ситуации или сценарии, которые могут возникнуть при тех или иных входных данных.

Экспертные системы выполняют диагностирование, используя описания ситуаций, характеристики поведения или знания о конструкции компонентов, чтобы установить вероятные причины неправильно функционирования диагностируемой системы. Примерами служат определение причин заболевания по симптомам, наблюдаемым у пациентов; локализация неисправностей в электронных схемах и определение неисправных компонентов в системе охлаждения ядерных реакторов.

Экспертные системы, выполняющие проектирование, разрабатывают конфигурации объектов с учетом набора ограничений, присущих проблеме. Примерами могут служить генная инженерия, разработка СБИС и синтез сложных органических молекул.

Экспертные системы, занятые планированием, проектируют действия; они определяют полную последовательность действий, прежде чем начнется их выполнение. Примерами могут служить создание плана применения последовательности химических реакций к группам атомов с целью синтеза сложных органических соединений или создание плана воздушного нападения, рассчитанного на несколько дней, с целью нейтрализации определенного фактора боеспособности врага.

Экспертные системы, выполняющие наблюдение, сравнивают действительное поведение с ожидаемым поведением системы. Примерами могут служить слежение за показаниями измерительных приборов в ядерных реакторах с целью обнаружения аварийных ситуаций или оценка данных мониторинга больных, помещенных в блоки интенсивной терапии. Экспертные системы, выполняющие обучение, подвергают диагностике, «отладке» и исправлению (коррекции) поведение обучаемого. В качестве примеров приведем обучение студентов отысканию неисправностей в электрических цепях, обучение военных моряков обращению с двигателем на корабле и обучение студентов-медиков выбору антимикробной терапии.

Экспертные системы, осуществляющие управление, адаптивно руководят поведением системы в целом. Примером служит управление производством и распределением компьютерных систем.

Примерами наиболее известных, классических экспертных систем, с которых началось создание и развитие этого типа программных средств, являются следующие:.

а) MYCIN - это экспертная система, разработанная для медицинской диагностики и лечения заражения крови и медицинских инфекции;

б) DENDRAL – это старейшая, самая разработанная экспертная система в мире, автоматизирующая процесс определения химической структуры вещества.

в) PROSPECTOR - это экспертная система, применяемая при поиске коммерчески оправданных месторождений полезных ископаемых.

5. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ПРОВЕДЕНИЮ ДИСЦИПЛИН ГУМАНИТАРНО-ЕСТЕСТВЕННОГО ЦИКЛА

1.1. Материалы для аудиторной и внеаудиторной работы

По дисциплинам кафедры гуманитарных и естественных дисциплин материалы для аудиторной работы разработаны с учетом того, что все занятия по кредитной системе проводиться с применением традиционных и интерактивных форм обучения. Они должны регламенти­ровать проведение разных видов занятий и выполнение рейтинговых зада­ний по дисциплине.

Краткий курс (тезисы) лекций включают материалы учебной программы (силлабуса), содержащие оптимальный объем необходимой информации, обеспечивающие как понимание дисциплин в целом, так и представление об изучаемых объектах. Содержание лекционного курса должно отражать современные научные достижения и перспективы развития науки.

При разработке методических указаний по выполнению семинарских (практических) занятий, лабораторных, различных видов раздаточных материалов по дисциплинам кафедры учитывают, что материалы практических и семинарских занятий направле­ны на повторение и закрепление материала лекционного курса, а также на приобретение дополнительных знаний по разделам дисциплины, не во­шедших в рассмотрение лекционного курса.

Самостоятельная работа студента по кредитной системе подразделя­ется на два вида: (СРСП) - аудиторная работа обучающегося под руко­водством преподавателя, указанная в расписании и включенная в педаго­гическую нагрузку преподавателя и СРС - самостоятельная работа студента, т.е. внеаудиторная работа студента в библиотеке, интернетклассе и пр. Самостоятельная работа выступает важным фактором повышения ка­чества образования, влияющим на глубину и прочность приобретенных студентами знаний, умений, навыков и компетенций. Она способствует выработке у обучающихся потребности к самообразованию и саморазви­тию.

Материалы для самостоятельной работы студентов включают во­просы, составляющие содержание государственного компонента типового учебного плана, рекомендуемые к самостоятельному рассмотрению сту­дентами. Вопросы для самостоятельной работы (СРСП) (СРС) должны дополнять и углублять содержание изу­чаемого курса. Задания должны включать основные вопросы тем, выносимых для самостоятельного освоения студентами с указанием форм и сроков проведения контроля.

Содержание и виды заданий разрабатываются с учетом специфики дисциплины, степени ее сложности, а также на основа­нии индивидуального авторского подхода преподавателя-разработчика УМК (авторского компонента. Материалы для самостоятельной работы обсуждаются и утверждают­ся решением кафедры.

Расчет количества заданий следует производить в соответ­ствии с разработанными нормативами расчета часов педагогической на­грузки ППС по кредитной технологии, утвержденными Ученым Советом вуза, а также учитывать количество кредитов, выделенных на изучение дисциплины.

1.2. Материалы для контроля знаний

Материалы для контроля знаний студентов разрабатываются в со­ответствии с едиными принципами и правилами контроля знаний. Задания для текущего контроля, проводимого в рамках практических занятий и СРСП могут включать устные и письменные вопросы, тестовые задания и пр.

Экзаменационный материал (устные вопросы, тесты) должен соот­ветствовать типовой и рабочей программам по дисциплине и отражать ее основное содержание, включая материал заданий СРС. Экзаменационные материалы раз­рабатываются лектором, обсуждаются и утверждаются решением кафедры.

В УМК включается список литературы (основной и дополнитель­ной), отражающий круг вопросов, необходимых студенту для подготовки и сдачи текущей и итоговой форм контроля знаний, а также для выполнения заданий СРС. Список литературы, рекомендуемый для всех видов работы студентов, содержит необходимое оптимальное количество наименова­ний, обеспечивающий полный охват содержания дисциплины на совре­менном научном и методическом уровнях.