Искусственного интеллекта (ИИ)

Предпосылки развития и понятие

Из граничных условий (2)-(4) следует

(6)

Используем уравнение (4) запишем выражение для на поверхности пластины

(8)

[В. М.1]

В реальном мире возникают самые разнообразные проблемы. Но нет оснований утверждать, что современные ЭВМ способны все их успешно решать. Современным ЭВМ соответствуют проблемы со сравнительно простым жизненным циклом решения: описание проблемы; формализация; анализ; применение средств обработки и получения искомого результата. При этом автоматизируется лишь последний этап этого процесса. Описанный стиль обработки информации привел к наращиванию функциональных возможностей компьютера, а в связи с этим возникла необходимость обеспечения высокого уровня обработки информации на подготовительных этапах. Нагрузка на человека возросла и речь зашла о кризисе программного обеспечения (ПО). Возникла потребность в том, чтобы большую часть трудоемких операций, выполняемых человеком, возложить на компьютер.

С другой стороны, существуют (и их большинство) проблемы, которые не ограничиваются однократным процессом обработки (учитывая ошибки вносимые человеком). Эти проблемы называются недетерминированными, и их решение получается повторением цикла проб и ошибок. В этом цикле анализируются полученные результаты и на основе этого анализа проводятся повторные вычисления.

Такие проблемы характеризуются следующими свойствами:

- нечеткая постановка или неполные исходные данные;

- отсутствие точного алгоритма решения задачи;

- огромное число возможных исходов, подлежащих анализу;

- невозможность формализации задачи;

- существенное использование механизмов индукции и других нетрадиционных логических исчислений.

Примеров недетерминированных проблем, требующих решения огромное множество: проектирование в различных технических областях; принятие решений в политической и экономической сферах; управление сложными системами; различные проблемы обучения; понимание языков и изображений и т.д.

Возникшие затруднения при решении недетерминированных проблем, а так же кризис ПО привели к развитию ИИ.

Понятие ИИ подразумевает научный анализ и автоматизацию интелектуальных функций человека. Начало развития науки об ИИ может быть датировано 1956г - годом создания первой экспертной системы "Логик-Теоретик" Аллена Ньюэлла.

Классическое толкование понятия интеллекта было предложено Тьюрингом. Проблема формулируется в терминах имитационной игры. Человек (А) и интеллектуальная машина (В) помещаются в разные комнаты. Экзаменатор (С), задавая вопросы, должен определить, кто ему отвечает - человек или машина. Если он не может распознать, “who is who”, то считается, что машина "интеллектуальна". Конечно, экзаменатор должен попытаться выработать некоторую стратегию диалога, которая позволила бы ему оценить, способен ли объект (испытуемый) познавать и творить или только повторять, запомненные фразы.

Для разработчиков интеллектуальных машин большой интерес представляют схемы обработки информации человеком и организации хранения информации в человеческой памяти. Схема обработки информации человеком представлена на рисунке 1.

Рис.1 Схема обработки человеком.

Данные из внешнего мира воспринимаются человеком с помощью одного из органов чувств и затем помещаются в буфер кратковременной памяти для анализа. В долговременной области памяти хранятся символы и смысловые связи между ними, которые используются для объяснения новой информации, поступающей из кратковременной памяти. В долговременной памяти хранятся не столько факты и данные, сколько объекты и связи между ними, т.е. символьные образы. Большие объемы данных постоянно записываются в кратковременную память, и человек непрерывно анализирует и фильтрует получаемую информацию для того, чтобы оценить степень ее важности и то, как она соотносится с образами, хранящимися в долговременной памяти.

Доступ к информации в долговременной памяти осуществляется весьма эффективно. Например, мы "инстинктивно" отдергиваем руку от горячей печки, используя образы, ранее запомненные в долговременной памяти.

Требуется примерно 7с для "записи" одного образа в долговременную память и установления всех связей, необходимых для извлечения этого образа в будущем. Перемещение (полное) данных из кратковременной памяти в долговременную занимает приблизительно 15-20 минут. Если человек в автокатострофе получил мозговую травму, то долговременная память может быть восстановлена почти полностью за исключением всей информации, поступившей в последние 15-20 мин до травмы. Эта информация будет утрачена навсегда.

Проведем аналогию: кратковременная память человека и оперативная память компьютера; долговременная память человека и дисковая память компьютера.

Способ хранения символьных образов в долговременной памяти во многом схож со способом хранения числовой информации в базе данных сетевого типа (рис.2). Реализованная на компьютере база данных сетевого типа может быть использована для запоминания совокупности элементов, поднаборов, наборов и моделей данных.

Рис.2 Структура сетевой базы данных.

Между моделями и наборами имеется связь типа "родитель-потомок". В отличие от общепринятых родственных связей набор может быть потомком более чем одной модели. База данных сетевого типа обладает сложной системой указателей, что облегчает пользователю ведение всей совокупности информационных объектов. Человеческая память хранит не числовые данные, а образы или символы. Хотя в памяти тоже существует система указателей, позволяющая нам быстро извлечь любой нужный символ и все данные с ним связанные, однако мозг организован более совершенно и символьные образы в нем объединены в так называемые чанки - наборы фактов и связей между ними, запомненные и извлекаемые как единое целое. В каждый момент времени человек может обрабатывать не более 4-7 чанков.

Например, опытный шахматист, бегло взглянув на доску, запоминает не положение каждой фигуры, а их комбинации (чанки).

Способность формировать чанки отличает эксперта в некоторой предметной области от неэксперта. Эксперт обладает способностью объединять в чанки большие объемы данных и устанавливать иерархические связи между ними. Средний специалист в конкретной предметной области помнит от 50 до 100 тысяч чанков, которые могут быть использованы для решения той или иной проблемы.

Дата добавления: 2014-01-07