Тема Прикладные системы искусственного интеллекта 2

Скачать 0.97 Mb.

Название	Тема Прикладные системы искусственного интеллекта 2
страница	4/8
Дата публикации	21.08.2013
Размер	0.97 Mb.
Тип	Документы

100-bal.ru > Информатика > Документы

1 2 3 4 5 6 7 8

1.3.История искусственного интеллекта

Экскурс в историю часто бывает совершенно необходим, иначе непонятно, почему рассматриваемые современные положения именно таковы, каковы они есть. Ведь положения и концепции ИИ носят во многом субъективный характер, объясняются историческими и психологическими причинами. Этим положения ИИ заметно отличаются, от объективно обусловленных законов физики или химии. Мы разбили историю развития ИИ на несколько периодов (Рис. 10):

доисторический, когда даже термина ИИ еще не существо, но некоторые работы можно, ретроспективно и с некоторой натяжкой, отнести к данному направлению^¹⁵;
пионерский, когда появление компьютеров и другие достижения техники XX века резко расширило горизонты возможных исследований, когда почти каждая предлагаемая идея ошеломляла своей новизной и открывала новые перспективы, причем идеи возникали как фейерверк, одна за другой;
академический, когда направление ИИ оформилось как отдельное направление исследований в науке, со своей терминологией, авторитетами, исследовательскими центрами и образованием международного сообщества; когда исследования велись в основном в интересах развития самого направления, а практические приложения были интересны, прежде всего, самой принципиальной возможностью реализации, а не тактико-техническими характеристиками;
промышленный, продолжающийся и развивающийся в наши дни, когда возросшие возможности техники открыли дорогу к массовому промышленному применению ПСИИ.

Конечно, не следует думать, что эти периоды сменяли и сменяют друг друга строго последовательно, наподобие пятилетних планов развития социалистической экономики. И в пионерский, и в академический периоды были отдельные промышленные образцы, оставившие след в истории, и даже в наше меркантильное время случаются, хотя и не часто, прорывы, скачком ведущие к «сдвигу парадигмы».

1.3.1.Предыстория искусственного интеллекта

Достоверно зафиксированные первые попытки создать машину, моделирующую некоторые аспекты человеческого разума, предпринял Раймунд Луллий более 700 лет назад. Луллий полагал, что возможно открыть особый метод или искусство, посредством которого можно с разумной необходимостью вывести из общих понятий всякие истины, и прежде всего —– истины христианского вероучения. Основываясь на своих представлениях, он создал первую логическую машину в виде нескольких концентрических бумажных кругов, размеченных на отделения, в которых помещались общие понятия и категории. Вращая круги друг относительно друга, можно было получать различные более или менее сложные комбинации обозначенных понятий. Луллий полагал, что таким образом можно открыть новые реальные истины. Разумеется, никаких новых истин открыто не было, но идея, что рассуждение можно провести механически, прозвучала!

Райму́нд Лу́ллий (1235 – 1315) – испанский поэт, философ и миссионер, один из наиболее оригинальных представителей средневекового миросозерцания.

Оригинальные идеи Луллия имели сторонников, но чаще вызывали насмешки и гонения. Особенно досталось Луллию от Джонатана Свифта, который в книге «Путешествие в Лапуту, …» писал:

«Первый профессор, которого я здесь увидел, помещался в огромной комнате, в окружении сорока учеников. …профессор объяснил мне, что он работает над изготовлением особых механических приборов, предназначенных для открытия отвлеченных истин … каждый знает, как трудно изучение наук и искусств по общепринятой методе. Между тем благодаря его изобретению самый невежественный и бездарный человек при небольшой затрате средств и физических усилий может писать книги по философии, поэзии, политике, праву, математике и богословию…».

Сейчас мы знаем, что логические операции можно трактовать с алгебраической точки зрения и выполнять как арифметические, но до работ Дж. Буля в XIX веке это было далеко не так очевидно. Поэтому внимание первых конструкторов интеллектуальных машин было направлено на построение машин, способных вычислять. Таких машин было сконструировано несколько в XVII–XVIII веках, и здесь необходимо упомянуть арифметическую машину Лейбница, которая была первой в мире машиной, предназначенной для эффективного выполнения всех четырех действий арифметики.

Над этой машиной Лейбниц начал работать в 1670 году; через два года он составил новое эскизное описание, на основе которого был, по-видимому, изготовлен тот экземпляр, который ученый продемонстрировал в феврале 1673 года на заседании лондонского Королевского общества. Лейбниц признал, что его инструмент еще несовершенен, и обещал улучшить его, как только вернется в Париж. Действительно, в 1674–1676 годы он внес существенные усовершенствования в машину, но к ее окончательному варианту пришел лишь в 1694 году. Впоследствии Лейбниц еще несколько раз возвращался к своему изобретению; последний вариант был предложен им в 1710 году.

Готфрид Вильгельм фон Лейбниц (нем. Gottfried Wilhelm von Leibniz), 1646–1716) —– великий немецкий философ, математик, юрист, дипломат.

Внес фундаментальный вклад в философию, математику (математический анализ и комбинаторика), технику, даже медицину и множество других областей человеческой деятельности. По преданию, во время встречи с Петром I посоветовал учредить Академию наук в России.

Лейбниц писал: «Мне посчастливилось построить такую арифметическую машину, которая совершенно отлична от машины Паскаля, поскольку дает возможность мгновенно выполнять умножение и деление над огромными числами».

Венцом предыстории компьютеров являются работы Чарльза Бэббиджа. Бэббидж начал с механического аппарата, предназначенного для автоматизации вычислений путём аппроксимации функций многочленами и вычисления конечных разностей. Возможность приближённого представления многочленами логарифмов и тригонометрических функций позволяет рассматривать эту машину как довольно универсальный вычислительный прибор. В 1822 году Бэббидж опубликовал статью с описанием такой машины, а вскоре приступил к её практическому созданию. Эта разностная машина должна была уметь вычислять значения многочленов до шестой степени с точностью до 18-го знака.

В том же 1822 году Бэббиджем была построена модель разностной машины, состоящая из валиков и шестерней, вращаемых вручную при помощи специального рычага. Заручившись поддержкой Королевского общества, посчитавшего его работу «в высшей степени достойной общественной поддержки», Бэббидж обратился к правительству Великобритании с просьбой о финансировании полномасштабной разработки. В 1823 году правительство Великобритании предоставило ему субсидию в размере 1500 фунтов стерлингов (общая сумма правительственных субсидий, полученных Бэббиджем на реализацию проекта, составила, в конечном счёте, 17 000 фунтов стерлингов). Разрабатывая машину, Бэббидж и не представлял всех технических и механический трудностей, связанных с её реализацией, и не только не уложился в обещанные три года, но спустя девять лет вынужден был приостановить свою работу. Однако часть машины все же начала функционировать, и производила вычисления даже с большей точностью, чем ожидалось.

В 1834 Бэббидж изобрел аналитическую машину. Она состояла из «склада» для хранения чисел (запоминающее устройство), «мельницы» для производства арифметических действий над числами (арифметическое устройство), «барабана», управлявшего в определенной последовательности операциями машины (устройство управления), а также устройств ввода и вывода данных. Регистровая память машины Бэббиджа была способна хранить как минимум 10 десятичных чисел по 40 знаков, теоретически же могла быть расширена до тысячи 50-разрядных. Арифметическое устройство имело аппаратную поддержку всех четырех действий арифметики. Машина производила сложение за 3 секунды, умножение и деление —– за 2 минуты. На вход машины должны были поступать два потока перфокарт, которые Бэббидж назвал «операционными картами» и «картами переменных»: первые управляли процессом обработки данных, которые были записаны на вторых. Информация заносилась на перфокарты путем пробивки отверстий. Из операционных карт можно было составить библиотеку функций. Таким образом, все основные элементы архитектуры первых компьютеров были Бэббиджем предвосхищены в полной мере. Аналитическая машина так и не была реализована. Основная причина неудачи – технологическая. Технологии того времени не позволяли изготовить в достаточном количестве и достаточно точно необходимые сложные детали. Изобретатель писал в 1851 г.: «Все разработки, связанные с аналитической машиной, выполнены за мой счет. Я провел целый ряд экспериментов и дошел до черты, за которой моих возможностей не хватает. В связи с этим я вынужден отказаться от дальнейшей работы».

Чарльз Бэббидж (Charles Babbage), 1791–1871 —– английский математик, иностранный член-корреспондент Императорской академии наук в Санкт-Петербурге.

Является первым автором идеи создания вычислительной машины. В частности, впервые высказал мысль о возможности машинного перевода.

В 1864 году он писал: «Пройдет, вероятно, полстолетия, прежде чем люди убедятся, что без тех средств, которые я оставляю после себя, нельзя будет обойтись».

1.3.2.Пионерские исследования

Серьезное развитие искусственного интеллекта как научного направления началось в 40-х годах прошлого столетия, после появления ЭВМ. В 1948 году Норберт Винер опубликовал книгу «Кибернетика, или управление и связь в животном мире и машине», тем самым, основав новую науку —– кибернетику.

Норберт Винер (Norbert Wiener), 1894–1964 – американский учёный еврейского происхождения, выдающийся математик и философ, основоположник кибернетики и теории искусственного интеллекта.

"Нет, будущее оставляет мало надежд для тех, кто ожидает, что наши новые механические рабы создадут для нас мир, в котором мы будем освобождены от необходимости мыслить. Отдайте же человеку —– человеческое, а вычислительной машине —– машинное".

Хотя в названии книги Винера мышление не упоминается, но одиозный вопрос «могут ли машины мыслить?»^¹⁶ впервые прозвучал в знаменитой статье Тьюринга уже два года спустя. В этой статье, в частности, был впервые сформулирован конструктивный критерий наличия у машины ИИ, так называемый тест Тьюринга

ТЕСТ ТЬЮРИНГА И КИТАЙСКАЯ КОМНАТА

Написать по ссылкам http://www.humanities.edu.ru/db/msg/27602

http://ru.wikipedia.org/wiki/%D0%9A%D0%B8%D1%82%D0%B0%D0%B9%D1%81%D0%BA%D0%B0%D1%8F_%D0%BA%D0%BE%D0%BC%D0%BD%D0%B0%D1%82%D0%B0

А́лан Матисон Тью́ринг (Alan Mathison Turing), 1912–1954) —– английский математик, логик, криптограф, оказавший существенное влияние на развитие информатики. Предложенная им в 1936 году абстрактная «машина Тьюринга» позволила формализовать понятие алгоритма и до сих пор используется во множестве теоретических и практических исследований.

Про премию Тьюринга

фото

По отношению к этому вопросу мнения разделились не только у сторонних наблюдателей, журналистов и широкой публики, но и у самих ученых, начинавших работать в области ИИ. Конечно, в целом ответ у работающих исследователей был положительным. Тонкость заключается в том, что можно поставить два похожих вопроса:

Может ли машина мыслить как человек?
Может ли машина мыслить рационально?

Поиски конструктивного ответа на первый вопрос ведут к моделированию мышления человека, при котором считается важным не только получение ответа на интеллектуальный вопрос, но и анализ средств достижения ответа. Это направление получило название «нейрокибернетика».

Основным методом нейрокибернетики является математическое моделирование работы человеческого мозга. Еще в 1943 году американские ученые Мак-Каллок и Питтс предложили математическую модель работы нейрона человеческого мозга —– искусственный нейрон —– и способы комбинирования искусственных нейронов в нейронную сеть.

Затем последовали пионерские работы Розенблатта по персептронам (см. параграф 1.1.7), Минского и других исследователей. Однако в 70-х годах работы в этом направлении несколько замедлились, что связано с невысокими количественными возможностями компьютеров того времени. Дело в том, что в мозгу человека параллельно работают от 10 до 14 миллиардов (10⁹) нейронов, и каждый имеет в среднем около семи тысяч (10³) связей с другими нейронами. Число искусственных нейронов в первых сетях измерялось сотнями, в лучшем случае тысячами, но столь большие количественные отличия (в миллионы раз) образуют качественную пропасть – на маленьких моделях невозможно исследовать большие системы. Заметим, что количественные показатели человеческого мозга до сих пор не достигнуты в нейронных сетях^¹⁷, но масштабы постепенно становятся соизмеримыми. Практические следствия из этого обстоятельства обсуждаются в лекции 7.

Отвечая на второй вопрос, мы приходим к кибернетике «черного ящика», когда наблюдаются только вход и выход, стимул и реакция, а внутреннее устройство «мыслящего агента» скрыто от наблюдения. В отличие от нейрокибернетики, для кибернетики «черного ящика» неважно, как устроено «мыслящие» устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг, то есть рационально.

Исследователи данного направления сразу же перешли от сверхсложных параллельных недетерминированных сетей нейрокибернетики к сравнительно простым алгоритмическим моделям, манипулирующим абстрактными символами, а не реальными сигналами. Именно поэтому мы предпочитаем термин символический ИИ (см. Рис. 10).

Самой заметной пионерской работой этого направления была программа «Логик-теоретик», разработанная Ньюэллом, Саймоном и Шоу в 1955-1956 годах. Программа работала в области автоматического доказательства теорем и смогла автоматически найти вывод для 38 из 52 теорем исчисления высказываний, приведенных в фундаментальной книги Рассела и Уйатхеда Principia Mathematica, причем в одном случае был найден более короткий, по сравнению с оригиналом, вывод.

По поводу этого несомненного достижения в литературе высказано столько различных, а иногда удивительных мнений и оценок, что мы считаем допустимым на примере программы «Логик-теоретик» дать свои выводы по универсальным программ автоматического доказательства теорем, а тем самым, по универсальным интеллектуальным программам в целом (см. также параграф 1.1.5).

Автоматически доказанные теоремы не несут нового математического знания: в случае программы «Логик-теоретик» это простые технические теоремы исчисления высказываний. Их справедливость легко проверяется построением таблиц истинности. Задача состоит только в том, чтобы найти формальный вывод (последовательность формул) в заданной аксиоматике и с заданными правилами вывода. Поиск вывода не требует новых идей или методов, он опирается на вполне рутинные приемы. Среди обсуждаемых выводов нет выводов короче, чем в три применения правил вывода, и нет выводов длиннее, чем в две дюжины применений правил вывода. Результаты, полученные программой «Логик-теоретик», не имеют практической значимости.
Многолетние наблюдения автора за студентами, изучающими исчисление высказываний, и вынужденными в рамках учебного процесса искать и находить подобные выводы, позволяют утверждать, что средний человек «с улицы» без специальной подготовки не найдет ни одного из формальных доказательств, найденных программой «Логик-теоретик». Человек «с улицы» просто не поймет, что нужно сделать, потому что заведомо никогда ничего подобного не делал. Так что человек «с улицы» уступает в этом искусстве программе «Логик-теоретик». В то же время, прилежные студенты, после проведения трех-четырех сеансов упражнений с преподавателем, в состоянии найти любой из этих выводов, а также те выводы, которые программа найти не смогла. Следует оговориться, что выводы, найденные студентами, могут быть не такими элегантными, как у Рассела и Уайтхеда, и найдены будут не очень быстро. Но, тем не менее, можно утверждать, что человек, который в состоянии сдать вступительные экзамены в университет, также в состоянии научиться искать формальные выводы не хуже, чем это может делать программа «Логик-теоретик».
С качественной точки зрения, результаты, достигнутые программой «Логик-теоретик», за прошедшие полвека с лишним, были улучшены незначительно. Дело в том, что задача автоматического поиска вывода в формальной теории имеет переборный характер (см. параграф 1.1.5). Современные компьютеры в миллионы и миллиарды раз мощнее того компьютера, которым пользовался Шоу^¹⁸, однако современные универсальные программы поиска логического вывода могут построить только в десятки, от силы в сотни раз более сложные выводы, поэтому на качественном уровне первые два замечания в этом списке остаются в силе и в наши дни, и применимы не только к программе «Логик-теоретик», а к любой современной программе, которая претендует на автоматическое доказательство произвольных теорем в достаточно богатом исчислении.

1.3.3.Становление и развитие

В 1956 году в Дартмутском колледже (один из старейших университетов США) был проведен двухмесячный семинар, в котором приняло участие десять ведущих исследователей нового направления:

Джон Маккарти, Дартмутский колледж;
Марвин Минский, Гарвардский университет;
Клод Шеннон, Bell Laboratories;
Натаниэль Рочестер, IBM;
Артур Самюэль, IBM;
Аллен Ньюэлл, университет Карнеги-Меллон;
Герберт Саймон, университет Карнеги-Меллон;
Тренчард Мур, Принстонский университет;
Рей Соломонов, Массачусетский технологический институт;
Оливер Селфридж, Массачусетский технологический институт.

Этот семинар принято считать началом, именно на нем был предложен и утвержден сам термин искусственный интеллект. Никаких особенных научных результатов Дартмутский семинар не дал. На нем произошли другие важнейшие события: искусственный интеллект был признан самостоятельной отраслью науки, были продемонстрированы первые впечатляющие результаты (подобные программе «Логик-теоретик») и было образовано научное сообщество в результате личного знакомства лидеров.

После этого исследования в области ИИ стали вестись широким фронтов, и не только в США. Стали появляться первые публикации, в которых делались попытки обобщения накопленного материала. Среди специалистов, выступивших с такими работами, были Дж. Маккарти, М. Минский, Э. Фейгенбаум (США), Д. Мичи (Великобритания), А.А.Ляпунов и В.М.Глушков (СССР). Разумеется, результаты не заставили себя ждать – было предложено множество идей, большинство из которых используются и в наши дни.

В конце 1950-х гг. была предложена модель поиска на графе. В рамках данного подхода, задача представляется в виде поиска пути в графе, вершинами которого являются состояния задачи, а дугами – все возможные допустимые преобразования. Решение задачи состоит в поиске пути от исходного состояния к целевому. В начале 1960-х гг. получило широкое распространение эвристическое программирование (см. лекцию 3). Эвристикой называется правило, обычно полученное эмпирическим путем, позволяющее сократить объем перебора в пространстве решений (см. лекцию 3). Эвристическое программирование —– разработка стратегий поиска решения на основе заранее известных эвристик. В конце 1960-х гг. были разработаны общие методы автоматического доказательства теорем в исчислениях первого порядка (в частности, метод резолюций Дж. Робинсона и обратный метод С.Ю. Маслова, см. лекцию 4), и на их основе в начале 1970-х гг. были предложены многочисленные инструментальные средства программирования решения интеллектуальных задач. Так, в 1973 г. был создан язык Пролог (см. дополнение к лекции 4), который является популярным средством логического программирования до сих пор. Тогда же Марвин Минский предложил концепцию фреймов, давшую начало еще одной популярной форме представления знаний. Мы обсуждаем фреймы и семантические сети в пятой лекции. Практически весь запас идей и концепций, которыми оперируют в ИИ сейчас, был предложен или обозначен в этот период. Перечислить все идеи невозможно, да в этом и нет нужды, если ясна общая схема развития (см. Рис. 10).

1.3.4.Научная консолидация и промышленное внедрение

С нашей точки зрения, наиболее важным событием 80-х гг. было появление концепции инженерии знаний. Эта концепция была выдвинута Э. Фейгенбаумом в 1982 г.

Инженерия знаний (knowledge engineering) —– область искусственного интеллекта, которая изучает методы и средства извлечения, представления, структурирования и использования знаний.

Отделение методов представления знаний от методов поиска решения, построение все более эффективных специализированных приемов представления знаний в конкретных предметных областях позволило получать достаточно эффективные представления, чтобы решать имеющимися методами на реальных компьютерах практически значимые задачи. Одновременно с этим, обретя общий методологический базис, различные подходы и направления внутри ИИ стали теснее интегрироваться друг с другом, поскольку не нужно было доказывать «чистоту теории» или «оригинальность подхода», а нужно было любым способом получить практический результат.

В этот период стали появляться компьютерные системы, которые были весьма далеки от прохождения теста Тьюринга, зато положительно отвечали на такие вопросы: может ли машина решать некоторые интеллектуальные проблемы дешевле, чем человек? Быстрее, чем человек? Безотказнее, чем человек?^¹⁹

Возможности вычислительной техники заметно возросли, и стало ясно, что если оставить в стороне философские, этические и моральные вопросы «искусственного разума», то во многих конкретных узко специальных областях не только можно, но и выгодно заменить человека машиной. Прикладные системы искусственного интеллекта стали приносить прибыль. Немедленно стали увеличиваться инвестиции в академические исследования, которые стали давать новые результаты, которые внедрялись в промышленность, которая приносила доход, который частично вкладывался в исследования … Возникла положительная обратная связь, и период подъема ИИ еще не завершен!

Эдвард Альберт Фейгенбаум (Edward Albert Feigenbaum), род. 1936 г., —– американский учёный, один из основоположников ИИ, участник Дартмутского семинара.

Лауреат премии Тьюринга 1994 года вместе с Раджем Редди с формулировкой: «За первопроходческие разработки и создание крупномасштабных систем искусственного интеллекта, демонстрацию практической важности и потенциальной коммерческой выгоды от технологий использующих искусственный интеллект».

Определение Фейгенбаума: «Инженерия знаний —– раздел инженерии, направленный на внедрение знаний в компьютерные системы для решения комплексов задач, обычно требующих богатого человеческого опыта.»

Вторым значимым событием этого периода стало возрождение, после определенного затишья, нейрокибернетики с концепциями нейронных сетей и нейрокомпьютеров. Возобновление интереса не было вызвано каким-либо внезапным чудесным откровением свыше с популярным разъяснением, как именно устроен и работает мозг человека. Конечно, физиологи, психологи, лингвисты, философы и другие не сидели сложа руки, и узнали про нашу человеческую природу много нового, но причина была не в этом. Также внутри самой нейрокибернетики не было сделано эпохальных открытий. В современных нейросетях используются математические модели, очень близкие к первоначальным, хотя, конечно, во многом развитые и усовершенствованные. Очевидная причина заключается в поразительных успехах микроэлектроники. В пионерских работах, подобных персептрону Розенблатта, количественные различия между искусственными и естественными нейронными сетями измерялись многими миллиардами раз, и ни о каком качественном сопоставлении речи не было. Сейчас количественные различия измеряются тысячами раз, и у конструкторов супернейрокомпьютеров появились невиданные ранее возможности. Более подробно эта тема раскрыта в лекции 7.

Третьим примечательным событием уже сравнительно недавнего прошлого мы считаем привнесение заслуженного философского понятия «онтология» на свежую почву информатики.

Онтология (ontology) —– это формализации некоторой области знаний с помощью концептуальной схемы. Обычно такая схема состоит из структуры данных, содержащей все релевантные классы объектов, их связи и ограничения, наложенные на объекты и связи.

Онтологии используются в процессе программирования как форма представления знаний о реальном мире или его части, иначе говоря, как модель предметной области (МПО). Хотя термин «онтология» изначально философский^²⁰, в информатике он принял самостоятельное значение. Здесь есть два существенных отличия:

онтология в информатике является формой представления знаний, причем такой формой, которую компьютер сможет легко обработать;
информационные онтологии создаются всегда с конкретными целями решения практических задач; они оцениваются больше с точки зрения применимости, чем полноты.

Автор совершенно убежден, что анализ, построение, развитие и использование МПО – самая важная и перспективная задача информатики в настоящее время, причем не только в ИИ, но и в других информационных технологиях. Достаточно упомянуть, например, концепцию систем управления бизнес-процессами (Business Process Management Systems – BPMS) в области информационно-управляющих систем, концепцию семантической паутины (Semantic Web) в Интернете или концепцию проблемно-ориентированных языков (Domain Specific Languages) в прикладном программировании. Все эти перспективные концепции апеллируют к понятию МПО^²¹.

Рис. 10 отражает наше видение истории развития ИИ и подводит итог разделу.

Рис. 10. История развития искусственного интеллекта