Этапы исследований в рамках ИИ

Исследовательским полигоном для развития методов ИИ на первом этапе явились всевозможные игры, головоломки, математические задачи. Некоторые из этих задач стали классическими в литературе по ИИ (задачи об обезьяне и бананах, миссионерах и людоедах, Ханойской башне, игра в 15 и другие). Выбор таких задач обуславливался простотой и ясностью проблемной среды (среды, в которой разворачивается решение задачи), ее относительно малой громоздкостью, возможностью достаточно легкого подбора и даже искусственного конструирования "под метод". Основной расцвет такого рода исследований приходится на конец 60-х годов, после чего стали делаться первые попытки применения разработанных методов для задач, решаемых не в искусственных, а в реальных проблемных средах.

Необходимость исследования систем ИИ при их функционировании в реальном мире привело к постановке задачи создания интегральных роботов. Проведение таких работ можно считать вторым этапом исследований по ИИ. В Стэнфордском университете, Стэнфордском исследовательском институте и некоторых других местах были разработаны экспериментальные роботы, функционирующие в лабораторных условиях. Проведение этих экспериментов показало необходимость решения кардинальных вопросов, связанных с проблемой представления знаний о среде функционирования, и одновременно недостаточную исследованность таких проблем, как зрительное восприятие, построение сложных планов поведения в динамических средах, общение с роботами на естественном языке.

Эти проблемы были более ясно сформулированы и поставлены перед исследователями в середине 70-х гг., связанных с началом третьего этапа исследований систем ИИ. Его характерной чертой явилось смещение центра внимания исследователей с создания автономно функционирующих систем, самостоятельно решающих в реальной среде поставленные перед ними задачи, к созданию человеко-машинных систем, интегрирующих в единое целое интеллект человека и способности ВМ для достижения общей цели - решения задачи, поставленной перед интегральной человеко-машинной системой. Такое смещение обуславливалось двумя причинами:

• К этому времени выяснилось, что даже простые на первый взгляд задачи, возникающие перед интегральным роботом при его функционировании в реальном времени, не могут быть решены методами, разработанными для экспериментальных задач в специально сформированных проблемных средах;
• Стало ясно, что сочетание дополняющих друг друга возможностей человека и ЭВМ позволяет обойти острые углы путем перекладывания на человека тех функций, которые пока еще не доступны для ЭВМ. На первый план выдвигалась не разработка отдельных методов машинного решения задач, а разработка методов и средств, обеспечивающих тесное взаимодействие человека и вычислительной системы в течение всего процесса решения задачи с возможностью оперативного внесения человеком изменений в ход этого процесса.

Четвертый этап исследований в рамках ИИ связан с искусственным воспроизведением эволюции. Этот подход основан на гипотезе, что человеческий интеллект, в своем развитии эволюционировал, благодаря процессу, включающему мутации и естественный отбор. При таком подходе систему ИИ, моделируемую на компьютере, заставляют эволюционировать путем мутаций и отбора. При этом предполагается, что компьютерная эволюция должна быть существенно более быстрой, чем естественная. На этом пути первоначально удалось добиться того, что системы ИИ эволюционировали до уровня способности решать простейшие задачи.

Недостаточные познания в механизмах естественной эволюции и скромные успехи по ее моделированию, как и в случае с нейронными сетями, обусловили на многие годы весьма слабый интерес исследователей к этому направлению ИИ.

В 90-е годы на новом витке спирали опять резко возрастает интерес к эволюционным методам ИИ. Теперь эти методы обычно дополняются т.н. генетическими алгоритмами и уже позволяют решать многие прикладные задачи, основанные на поиске и оптимизации. В частности, весьма перспективным представляется объединение эволюционного и нейронного подхода, при котором важную задачу эффективного обучения нейронных сетей принимают на себя эволюционные алгоритмы.

Развитие исследований в рамках ИИ в данном направлении обусловливалось также резким ростом производства средств вычислительной техники и резким их удешевлением, делающим их потенциально доступными для более широких кругов пользователей.

КЛАССИФИКАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

Интеллектуальная информационная система (ИИС) основа­на на концепции использования базы знаний для генерации ал­горитмов решения прикладных задач различных классов в зави­симости от конкретных информационных потребностей пользо­вателей.

Для ИИС характерны следующие признаки:

l развитые коммуникативные способности;

l умение решать сложные плохо формализуемые задачи;

l способность к самообучению;

l адаптивность.

Каждому из перечисленных признаков условно соответствует свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной сте­пенью проявления.

Рис. 2.1 Класси­фикация ИИС

Средства ИИ могут использоваться для реализации различ­ных функций, выполняемых ИИС. На рисунке приведена класси­фикация ИИС, признаками которой являются следующие интел­лектуальные функции:

коммуникативные способности — способ взаимодействия ко­нечного пользователя с системой;

решение сложных плохо формализуемых задач, которые требу­ют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределеннос­тью и динамичностью исходных данных и знаний;

способность к самообучению — умение системы автоматичес­ки извлекать знания из накопленного опыта и применять их для решения задач;

адаптивность — способность системы к развитию в соответ­ствии с объективными изменениями области знаний.

Дата добавления: 2014-01-05