Интеллектуальные информационные системы

3.10.1. Понятие искусственного интеллекта и интеллектуальной ИС

Термин интеллект (intelligence) происходит от латинского intellectus –ум, рассудок, разум, мыслительные способности человека. Интеллектом называется способность мозга решать задачи путём приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

Вопрос "Возможно ли создать искусственный разум?" давно интересует людей. Многочисленные попытки ответить на него породили целое направление науки, получившее название искусственный интеллект (artificial intelligence) – ИИ.

История попыток создания искусственного подобия человеческого разума насчитывает более 700 лет. Первую зафиксированную в истории попытку создания машины, моделирующей человеческий разум, связывают с именем испанского рыцаря, поэта, философа, богослова, алхимика и изобретателя Раймунда Луллия.

Раймунд Луллий жил в XIII – XIV вв. Развивая традиции учёных своего времени, Луллий сконструировал машину, состоявшую из системы кругов, имевших возможность вращаться. Каждый круг был поделен на секторы, окрашенные в разные цвета и помеченные латинскими буквами. Круги соединялись друг с другом, и, приводя их во вращение, можно было получить различные сочетания символов и цветов – так называемую формулу истины. Машины Луллия могли работать в различных предметных областях и давать ответы на всевозможные вопросы, составлять гороскопы, ставить диагнозы болезней, делать прогнозы на урожай. В наиболее позднем варианте машина Луллия состояла из 14 кругов, размеченных буквами и раскрашенных в различные цвета, которые символизировали различные понятия, элементы, стихии, субъекты и объекты знания. Круги приводились в движение системой рычагов. Поворачиваясь, они могли образовывать около 18 квадриллионов (18 · 1015) разнообразных сочетаний буквенных и цветовых "истин". Запросы в машину вводились с помощью поворота внутреннего круга, на котором было начертано девять вариантов вопросов: Что? Почему? Из чего? Сколько? Каким образом? Где? Когда? Какое? Которое из двух?

Выражаясь современным языком, машина Луллия, по существу, представляла собой механическую экспертную систему, наделённую базой знаний, устройствами ввода и вывода, естественным языком общения.

В XVIII в. Лейбниц и Декарт независимо друг от друга предложили универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области ИИ.

В 40-х гг. XX в. с появлением компьютера искусственный интеллект обрёл второе рождение. Произошло выделение ИИ в самостоятельное научное направление.

Первой системой, которую принято считать интеллектуальной, является программа "Логик-Теоретик", предназначенная для доказательства теорем и исчисления высказываний. Она была продемонстрирована 9 августа 1956 г. За прошедшее с тех пор время в области искусственного интеллекта разработано множество различных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности.

Сам термин "искусственный интеллект" был предложен в 1956 г. на семинаре в Дартмутском колледже (США). На сегодняшний день не существует единого определения, которое однозначно описывает это понятие. Приведём некоторые из определений искусственного интеллекта.

Искусственный интеллект – это область компьютерных наук, занимающаяся исследованием и автоматизацией разумного поведения.

Искусственный интеллект – это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с компьютером на ограниченном подмножестве естественного языка.

Понятие искусственный интеллект можно толковать 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.

Прежде чем рассмотреть понятие "интеллектуальная информационная система", рассмотрим понятие интеллектуальной задачи. Для пояснения отличия интеллектуальной задачи от простой, необходимо ввести термин "алгоритм".

Под алгоритмом понимают точное предписание о выполнении в определённом порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. В математике класс задач определённого типа считается решённым, когда для её решения установлен алгоритм. Отыскание алгоритма для задач некоторого данного типа связано со сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Принято считать, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с отысканием алгоритма решения класса задач определённого типа, принято называть интеллектуальными.

Эффективность алгоритмов заключается в том, что они сводят решение сложной задачи к определённой последовательности достаточно простых операций. Исходная информация поступает на вход алгоритма, на каждом шаге она преобразуется и в таком виде передаётся на следующий шаг, в результате чего на выходе алгоритма получается информация, представляющая собой решение задачи.

После того как алгоритм для задачи найден, процесс решения соответствующего класса задач становится таким, что его может в точности выполнить человек или компьютерная программа, не имеющие ни малейшего представления о сущности самой задачи. Требуется только, чтобы решающий задачу был способен выполнять те простые операции, из которых складывается процесс, и выполнял их в определённом порядке, предложенным алгоритмом. Таким образом, действуя чисто машинально, возможно успешно решать любые задачи данного класса. Поэтому представляется совершенно естественным исключить их из класса интеллектуальных задач.

Примерами таких задач могут служить чисто вычислительные задачи: решение системы линейных алгебраических уравнений, численное интегрирование дифференциальных уравнений и т.д. Для решения подобного рода задач имеются стандартные алгоритмы, которые могут быть легко реализованы в виде программы. В противоположность этому для широкого класса интеллектуальных задач, таких как распознавание образов, игра в шахматы, доказательство теорем и т.п., напротив, это формальное разбиение процесса поиска решения на отдельные элементарные шаги часто оказывается весьма затруднительным, даже если само их решение несложно.

Интеллектуальная информационная система (ИИС) должна уметь в наборе фактов распознать существенные и из имеющихся фактов и знаний сделать выводы не только с использованием дедукции, но и с помощью аналогии, индукции и т.д. Кроме того, она должна обладать средствами оценки результатов собственной работы. С помощью подсистем объяснения ИИС может ответить на вопрос, почему получен тот или иной результат. Наконец, ИИС должна уметь обобщать, улавливая сходство между имеющимися фактами.

В 1950 г. британский математик Алан Тьюринг опубликовал в журнале "Mind" свою работу "Вычислительная машина и интеллект", в которой описал тест для проверки программы на интеллектуальность. Он предложил поместить исследователя и программу в разные комнаты и до тех пор, пока исследователь не определит, кто за стеной – человек или программа, считать поведение программы разумным. Это было одно из первых определений интеллектуальности, т.е. А. Тьюринг предложил называть интеллектуальным такое поведение программы, моделирующее разумное поведение человека.

Тьюрингом А. было высказано предложение о возможности обучения ИИС, что на сегодняшний день очевидно для всех специалистов в области ИИ. Вот его слова: "Пытаясь имитировать интеллект взрослого человека, мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребёнка? Ведь если интеллект ребёнка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчёт состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения "программы-ребёнка" и задачу "воспитания" этой программы".

Именно этот путь и используют при создании ИИС. Кроме того, именно на этом пути появляются и другие признаки интеллектуальной деятельности: накопление опыта, адаптация и т.д.

3.10.2. Области применения интеллектуальных ИС

Среди важнейших классов задач, которые ставились перед ИИ, следует выделить следующие: доказательство теорем, управление роботами, распознавание образов, машинный перевод и понимание текстов на естественном языке, игровые программы и др.

Доказательство теорем. Изучение приёмов доказательства теорем сыграло важную роль в развитии ИИ. Многие неформальные задачи, например медицинская диагностика, допускают формализацию как задачу на доказательство теорем. Поиск доказательства математической теоремы требует не только произвести дедукцию, исходя из гипотез, но также создать интуитивные догадки и гипотезы о том, какие промежуточные утверждения следует доказать для вывода доказательства основной теоремы.

В 1954 г. А. Ньюэлл задумал создать программу для игры в шахматы. Дж. Шоу и Г. Саймон объединились в работе по проекту Ньюэлла и в 1956 г. они создали язык программирования IPL-I (предшественник LISPа) для работы с символьной информацией. Их первыми программами стала программа LT (Logic Theorist) для доказательства теорем и исчисления высказываний (1956 г.), а также программа NSS (Newell, Shaw, Simon) для игры в шахматы (1957 г.). LT и NSS привели к созданию А. Ньюэллом, Дж. Шоу и Г. Саймоном программы GPS (General Problem Solver) в 1957 – 1972 гг. Программа GPS моделировала используемые человеком общие стратегии решения задач и могла применяться для решения шахматных и логических задач, доказательства теорем, грамматического разбора предложений, математического интегрирования и т.д. Процесс работы GPS воспроизводит методы решения задач, применяемые человеком: выдвигаются подцели, приближающие к решению, применяется эвристический метод (один, другой и т.д.), пока не будет получено решение. Попытки прекращаются, если получить решение не удаётся. Программа GPS могла решать только относительно простые задачи.

Распознавание образов. К распознаванию образов в ИИ относят широкий круг проблем: распознавание изображений, символов, текстов, запахов, звуков и т.д.

В распознавании образов имеется хорошо разработанный математический аппарат, и для не очень сложных объектов разработаны системы классификации по признакам, по аналогии и т.д. В качестве признаков могут рассматриваться любые характеристики распознаваемых объектов. Алфавит признаков придумывается разработчиком системы. Качество распознавания во многом зависит от того, насколько удачно придуман алфавит признаков.

Экспертные системы (ЭС). Методы ИИ нашли применение при создании автоматических консультирующих систем. До 1968 г. исследователи в области ИИ работали на основе общего подхода – упрощения комбинаторики, базирующегося на уменьшении перебора альтернатив исходя из здравого смысла, применения числовых функций оценивания и различных эвристик.

В начале 1970-х гг. произошёл качественный скачок и пришло понимание, что необходимы глубокие знания в соответствующей области и выделение знаний из данных, получаемых от эксперта. Появляются первые экспертные системы, или, как их по-другому называют, системы, основанные на знаниях (MYCIN – 1976 г., DENDRAL – 1978 г.).

В настоящее время создано большое количество ЭС. Были разработаны и внедрены тысячи ЭС, работающих в различных областях человеческой деятельности. Для создания таких систем разрабатываются специализированные инструментальные средства, создаются оболочки ЭС.

Машинный перевод и понимание текстов на естественном языке. Началом работ по машинному переводу следует считать 1954 г., когда в США с помощью компьютера было переведено шестьдесят фраз. Этот известный "Джорджтаунский эксперимент" произвёл неизгладимое впечатление на специалистов. Тогда казалось, что достаточно создать большие хранилища словарей для перевода с одного языка на другой, разработать правила перевода – и проблема будет решена. Когда выяснилось, что проблема не так проста, был создан язык-посредник, облегчающий сопоставление фраз на разных языках. Во второй половине 1970-х гг. этот язык-посредник превратился в семантическую модель представления смысла переводимых текстов. Таким образом, достижения в области машинного перевода оказались очень полезными для ИИ, так как они показали, что анализ естественно-языковых конструкций невозможен без создания семантической модели, в которой интерпретируется смысл слов. Создание семантической модели привело к пониманию необходимости создания языка для внутреннего представления знаний.

Важным достижением явилось понимание того, что анализ текстов на естественном языке состоит из четырёх основных этапов: морфологический анализ, синтаксический анализ, семантический анализ и прагматический анализ.

Надо отметить, что даже для английского языка, который служит основой для всех современных языков программирования в силу своей лаконичности и достаточно формальной семантики, до сего дня не удалось создать более-менее эффективную программную систему, способную адекватно понимать смысл фраз из достаточно больших областей знаний.

В разборе и понимании естественного русского языка массу проблем создают сложная падежная система, склонения, времена, отсутствие формального порядка следования членов предложения. Тем не менее российскими учёными созданы эффективные системы разбора фраз ограниченного естественного языка.

Игровые программы. К числу первых игровых программ можно отнести программу Артура Самуэля по игре в чекерс (американские шашки), написанную в 1947 г., причём в ней использовался ряд основополагающих идей ИИ, таких как перебор вариантов и самообучение. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США, и победила.

Каким образом машине удалось достичь столь высокого класса игры?

Естественно, что в машину были программно заложены правила игры так, что выбор очередного хода был подчинён этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию качества игры. В шашках (как и в шахматах) обычно евыгодно терять свои фигуры и, напротив, выгодно брать фигуры противника. Игрок (будь он человек или машина), который сохраняет подвижность своих фигур и право выбора ходов и в то же время держит под боем большое число полей на доске, обычно играет лучше своего противника, не придающего значения этим элементам игры.

Разумно сочетая такие критерии, можно для оценки очередного хода машины получить некоторый числовой показатель эффективности – оценочную функцию. Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю. Подобная автоматизация выбора очередного хода необязательно обеспечивает оптимальный выбор, но на его основе машина может продолжать игру, совершенствуя свою стратегию в процессе обучения. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведённых ходов и игр с учётом их исхода.

Ярким примером сложной интеллектуальной игры являются шахматы. В шахматах существуют определённые уровни мастерства, степени качества игры, которые могут дать чёткие критерии интеллектуального роста машины. Поэтому компьютерными шахматами активно занимались учёные во всём мире. В 1974 г. впервые прошёл чемпионат мира среди шахматных программ в рамках очередного конгресса IFIP (International Federation of Information Processing) в Стокгольме. Победителем этого состязания стала советская шахматная программа "Каисса" (Каисса – богиня, покровительница шахмат). Эта программа была создана в Москве, в Институте проблем управления Академии наук в команде разработчиков программы-чемпиона, лидерами которой были Владимир Арлазаров, Михаил Донской и Георгий Адельсон-Вельский.

Недавние события показали, что, несмотря на довольно большую сложность шахмат и невозможность в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на победу. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Каспарова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100'000'000 ходов в секунду. До недавнего времени редкостью был компьютер, могущий делать такое количество целочисленных операций в секунду, а здесь мы говорим о ходах, которые должны быть сгенерированы и для которых просчитаны оценочные функции.

В настоящее время существуют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение.

Нейронные сети. Среди направлений работ в области ИИ следует выделить нейрокибернетику, т.е. подход к разработке машин, демонстрирующих "разумное" поведение, на основе архитектур, напоминающих устройство мозга, называемых нейронными сетями.

Нейронная сеть (НС) – это кибернетическая модель нервной системы, которая представляет собой совокупность большого числа сравнительно простых элементов – нейронов, топология соединения которых зависит от типа сети. Чтобы создать НС для решения какой-либо конкретной задачи, следует выбрать способ соединения нейронов друг с другом и подобрать значения параметров межнейронных соединений.

Для справки: у рядовых муравьёв и пчёл примерно 80 нейронов на особь (у царицы – 200 – 300 нейронов), у тараканов – 300 нейронов, и эти существа показывают отличные адаптационные свойства в процессе эволюции. У человека число нейронов более 10¹⁰.

В последние десятилетия наблюдается рост объёмов исследований и разработок НС. Это стало возможным в связи с появлением нового аппаратного обеспечения, повысившего производительность вычислений в НС (нейропроцессоры, транспьютеры и т. п.). НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. Поэтому основными областями их применения являются:

- промышленное производство и робототехника;

- военная промышленность и аэронавтика;

- банки и страховые компании;

- службы безопасности;

- биомедицинская промышленность;

- телевидение и связь и др.

В 1980-х гг. в Японии в рамках проекта "ЭВМ V поколения" был создан первый нейрокомпьютер. К этому времени ограничения по памяти и быстродействию были практически сняты. Появились транспьютеры – параллельные компьютеры с большим количеством процессоров.

Выделяют 3 подхода к созданию НС.

1. Аппаратный – создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем, реализующих все необходимые алгоритмы.

2. Программный – создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. Сети создаются в памяти компьютера, всю работу выполняют его собственные процессоры.

3. Гибридный – комбинация первых двух. Часть вычислений выполняют специальные платы расширения (сопроцессоры), часть – программные средства.

Робототехника. Ещё с древних времён создавались механизмы, помогавшие людям в их деятельности. Слово "робот" впервые было введено Карелом Чапеком в 1920 г. в фантастической пьесе "РУР" ("Рассумские универсальные роботы").

Области применения роботов – это области деятельности человека, опасные для его жизнедеятельности. Первые роботы были дистанционно управляемыми манипуляторами для работы в атомных реакторах, в подводных аппаратах и космических кораблях. В 1947 г. в Арагонской национальной лаборатории были впервые разработаны механические руки для работы с радиоактивными материалами, а в 1948 г. они были оснащены системой отражения усилия, чтобы оператор имел возможность ощущать усилие, развиваемое исполнительным органом.

Только в 1960-х гг. появились очувствлённые роботы, которые управлялись компьютерами, но их реализация сдерживалась отсутствием соответствующих технологий, материалов, ресурсов вычислительных систем.

В 1970-х гг. началось широкое внедрение роботов в производственные сферы. С помощью роботов выполняются транспортные операции, точечная и дуговая сварка, сборочные операции и т.п. В настоящее время существует множество работающих промышленных роботов. Многие фирмы производят промышленных роботов для манипулирования, сварки, покраски, упаковки, шлифовки, полировки с большим спектром применения и по точности, и по характеру выполняемых операций.

За короткий период развития роботов произошли большие изменения в элементной базе, структуре, функциях и характере их использования. Это привело к делению роботов на поколения.

Роботы первого поколения (программные) имеют жёсткую программу действий и характеризуются наличием элементарной обратной связи с окружающей средой, что вызывает определённые ограничения в их применении.

Роботы второго поколения (очувствлённые) обладают координацией движений с восприятием. Они пригодны для малоквалифицированного труда при изготовлении изделий. Программа движений робота требует для своей реализации управляющего компьютера.

Неотъемлемая часть роботов второго поколения – алгоритмическое и программное обеспечение, предназначенное для обработки сенсорной информации и выработки управляющих воздействий.

Роботы третьего поколения относятся к роботам с искусственным интеллектом. Они создают условия для полной замены человека в области квалифицированного труда, обладают способностью к обучению и адаптации в процессе решения производственных задач. Эти роботы способны понимать язык и вести диалог с человеком, формировать в себе модель внешней среды с той или иной степенью детализации, распознавать и анализировать сложные ситуации, формировать понятия, планировать поведение, строить программные движения исполнительной системы и осуществлять их надёжную отработку.

Дата добавления: 2014-01-06