Результаты работы --> Статьи --> Искуственный интелект

Искусственный интеллект

Искусственный интеллект - идеи и события

Кудрявцев Н.Г.

На текущий момент написано огромное количество работ по искусственному интел-лекту (ИИ): от специальных научных публикаций и фундаментальных монографий до науч-но-популярных статей и обзоров. Однако когда возникает необходимость расставить свои акценты и изложить цепь исторических событий и идей в том виде, в котором это представ-ляется наиболее удобным для восприятия, всегда приходится перерабатывать уже написан-ное. Данный экскурс не претендует на оригинальность и является выборкой из ряда материалов, опубликованных в Интернете.

Почти одновременно с кибернетикой появилось направление исследований, взявшее на себя ряд задач, заявленных в программе развития кибернетики, - направление, которое уже более полувека называют искусственным интеллектом. Сам термин "искусственный интеллект" был предложен на семинаре с аналогичным названием, проходившем в Дартсмутском колледже (США) в 1956 году. Правда, русское "искусственный интеллект" не совсем соответствует английскому "artificial intelligence", так как значение слова "intelligence" ближе к "смышленость", "понятливость", нежели к "intellect" - "рассудок".

В одном из обзоров по искусственному интеллекту было приведено следующее вы-сказывание: "История развития направления под названием "искусственный интеллект" есть история преодоления одного из самых выдающихся заблуждений в науке - представ-ления о том, что человеческий мозг функционирует по определенной системе правил, то есть алгоритмически, а следовательно, сколь бы ни был сложным этот алгоритм, его можно все успешнее вычислять по мере развития технических средств". Ниже мы постара-емся показать степень правомерности данных слов и рассказать о достижениях и разочаро-ваниях ученых, работающих в данном направлении.

Наука под названием искусственный интеллект входит в комплекс компьютерных наук, а создаваемые на ее основе технологии относятся к информационным технологиям.

Задачей искусственного интеллекта является обеспечение разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. Искусст-венный интеллект также определяют как направление информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Идея создания искусственного подобия человека для решения сложных задач и моде-лирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в древнем Египте была создана "оживающая" механическая статуя бога Амона. У Гомера в "Илиаде" бог Гефест ковал человекоподобные существа-автоматы. Роботообразные существа фигурируют и в более поздних легендах. Это и женщина-автомат - творение Альберта Великого, разрушенная напуганным сим порождением дьявола Фомой Аквинским. Это и Голем - человекоподобный глиняный великан, созданный Иегудой Львом Бен Бецалелем, чтобы выполнять работу по хозяйству: мыть посуду, колоть дрова и т. п. Управлялся Голем при помощи вложенного ему в рот специального шарика с магическими формулами - шема. Закончилась история весьма печально. Накануне субботы у Голема забыли вынуть шем изо рта; и, вынужденный работать в день, когда работать было запрещено, он впал в неистовство, вышел из повиновения и стал крушить все вокруг. Только с великим трудом Голема удалось обездвижить, отнести на чердак синагоги, где он и рассыпался постепенно в прах.

Наряду с этими легендами в воздухе средневековья витала, хотя и считалась еретиче-ской, идея создания Гомункулуса - существа, подобного человеку, которое можно было получить искусственно (в пробирке). В трудах выдающегося врача и естествоиспытателя Парацельса (настоящее имя - Филип Ауреол Теофраст Бомбаст фон Гогенгейм), жившего в первой половине XVI века, содержится рецептура изготовления полного подобия человека с помощью серии химических реакций, производимых над человеческой спермой.

Начиная с XVIII века, стали появляться многочисленные человекоподобные механи-ческие куклы - андроиды, произведенные различными мастерами, в основном часовщика-ми. Эти куклы могли рисовать, музицировать, играть в шахматы и т. п. В литературе идея человекоподобных механизмов, существ, кукол обыгрывалась многократно: от Галатеи Пиг-малиона до Буратино папы Карло. Более восьмидесяти лет тому назад чешский писатель Ка-рел Чапек сделал главными героями драмы "R.U.R." механических людей. Они ничем не отличались внешне от человека, но превосходили его физически и интеллектуально. Чапек назвал их роботами. Это слово вошло во все языки мира, вытеснив название "андроид" и сохранив его лишь за механическими куклами прошлого.

Несмотря на многочисленность исторических предтеч, родоначальником искусствен-ного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий (Raimondus Lullius, 1232 - 1315). Современник Фомы Аквинского, Раймонд Луллий пытался основать абсолютную и универсальную философию, основанную на представлении о познаваемости Вселенной, - он был одним из первых рационалистов, пытавшихся применить формальную логику к познанию мира (которое в его время в значительной степени отождествлялось с теологическими изысканиями). Луллий был уверен в том, что в каждой области знаний можно выделить несколько основных понятий, из которых могут быть дедуктивно образованы все остальные, подобно тому как все геометрические теоремы выводятся из ограниченного числа аксиом. Комбинируя различным способом эти понятия, можно добыть все мыслимые знания о мире. В главном своем сочинении под названием "Великое искусство" ("Ars Magna"), опубликованном уже много позже его смерти в 1480 году, он описывает приспособление, состоящее из системы концентрических вращающихся кругов. Круги были поделены на секторы, которые раскрашивались разными цветами и обозначались буквами, соответствующими тому или иному понятию. Правила вращения, согласно которым это происходило, давали, по мнению Луллия, возможность исчерпать истину обо всем во Вселенной. Луллий считал, что с помощью его машины можно даже доказать бытие Бога. Практически сам Луллий и его ученики пользовались этой машиной для составления гороскопов. Безусловно, это была первая в истории практическая попытка создания искусственного интеллекта.

У Луллия было много последователей, однако первым, кто вывел проблему искусст-венного интеллекта (она еще не имела этого названия) из области умозрительных рассужде-ний и перевел ее в плоскость практической науки, предложив критерий, по которому можно сделать заключение о "разумности" некоего объекта, был выдающийся английский ученый Алан Тьюринг. В 1950 году в журнале "Mind" была опубликована его работа под названием "Вычислительные машины и интеллект", которая затем неоднократно переиздавалась в раз-ных странах, в том числе и в СССР (1960), под названием "Может ли машина мыслить?" В этой работе Тьюринг подробно разбирает известные в его время возражения против концеп-ции искусственного разума. В этой же работе Тьюринг предложил тест, заключающийся в том, что если в процессе диалога человек не сможет установить, кто с ним ведет беседу: че-ловек или машина (программа), то данная программа является интеллектуальной.

Тест Тьюринга получил несколько неожиданное развитие уже в наши дни. В конце восьмидесятых годов Хью Лебнер, довольно эксцентричный нью-йоркский предпринима-тель, человек широких взглядов и разносторонних интересов, заручившись поддержкой Кембриджского центра исследований поведения, приступил к организации конкурса про-грамм на интеллектуальность на основе теста Тьюринга. Образовался комитет конкурса, в который вошли серьезные ученые, в том числе Джозеф Вейценбаум, автор знаменитой про-граммы ЭЛИЗА. 8 ноября 1991 года в Бостонском компьютерном музее был проведен пер-вый в истории тест Тьюринга. Событие широко освещалось в прессе, комментарий для со-бравшейся публики давал А. Дьюдни, всемирно известный "гуру" в области развлекательной математики. С тех пор такие состязания (конкурс Лебнера) проводятся ежегодно, и победитель должен получить золотую медаль Лебнера, а также большую премию Лебнера в размере 100 тысяч долларов. Этой высшей награды пока не удостоился никто, но бронзовая медаль и премия в 2 тысячи долларов вручаются каждый год. Например, Джозеф Вайнтрауб со своей программой PC Therapist выиграл первый, второй, третий и пятый конкурсы Лебнера и сделал неплохие деньги на распространении своих творений.

Несмотря на достигнутые отдельные успехи в данном направлении, важнейшей про-блемой для исследователей является отсутствие ответа на вопрос: а что такое интеллект во-обще? Любое определение есть неизбежное сведение интуитивного представления об интел-лекте к частным случаям - счету, способности к логическим умозаключениям, связной ре-чи, доказательству теорем, распознаванию образов и т. п. Между тем настоящий интеллект включает в себя и то, и другое, и еще нечто третье, - например, саму способность обсуж-дать эту проблему. Тем более не ясно, что же именно имеется в виду, когда речь заходит об интеллекте искусственном. Нужно ли воспроизводить мышление человека в целом? Или только отдельные, практически необходимые его стороны? Или вообще постараться сделать интеллект другой, отличный от человеческого, лишенный, по возможности, присущих чело-веку недостатков? А если последнее, то какой он должен быть и что именно считать недос-татками? Вопросы множились, и ответов не найдено до сих пор.

Некоторые ученые выражают большие сомнения в возможности создания полноцен-ного искусственного разума, ничем не уступающего естественному - человеческому. Дру-гие, наоборот, считают это задачей, разрешимой в ближайшем будущем.

Одна из причин горячих споров об искусственном интеллекте состоит в нестрогости формулировок. Оптимисты предлагают своим оппонентам некую реальную или воображаемую техническую систему и говорят: "Вот это и есть искусственный интеллект". А те отвечают им: "Ну, какой же это интеллект?! Интеллект - это совершенно иное". И, как вы понимаете, при такой ситуации в худшем положении оказываются пессимисты: ведь чтобы доказать, что чего-то достичь невозможно, надо это что-то строго определить. К сожалению, строгого и даже нестрогого, но единого определения, что такое интеллект, да еще искусственный, - нет. Значит, ни доказать, ни опровергнуть тезис о реальности его создания не представляется возможным. Тем временем в качестве рабочих критериев интеллектуальности используют различные временные заменители вроде критерия Тьюринга: "Если я не догадываюсь, что беседую с машиной, то это и есть искусственный интеллект".

Чаще всего искусственный интеллект представляют в виде некоторой системы, спо-собной выполнять какое-то число осмысленных действий - беседовать о погоде, играть в шахматы, сочинять музыку и тому подобное. Если оппонент скажет, что машина не умеет, к примеру, писать любовные письма или рассуждать о хоккее, можно сделать еще две про-граммы, реализующие эти функции, создав тем самым "более мощный искусственный ин-теллект". Таким образом, предлагается модель разума в виде корзинки, где лежат программы на все случаи жизни. Логическим завершением принципа корзинки и является критерий Тью-ринга. "Скажите, что вы хотите сымитировать, и мы сделаем это", - вот основной принцип специалистов, считающих, что создание искусственного интеллекта - дело ближайшего будущего.

Хотя на текущий момент имитации получаются довольно плохие, завтра могут поя-виться хорошие. А кроме того, и сегодня есть хорошие. В мире шахматных программ "зав-тра" уже наступило на рубеже третьего тысячелетия. Есть хорошие музыкальные програм-мы. Несколько лет тому назад в Москве был устроен конкурс-экзамен, на котором исполня-лись и машинные, и "человеческие" произведения. Машинные сочинения писались про-граммой, составленной кибернетиком Р. Зариповым. И именно их жюри признало наиболее интересными и "без сомнения, написанными человеком".

Таким образом, деятельность машины удовлетворяла критерию Тьюринга - жюри не узнало ее. Но вряд ли кому пришло в голову провозгласить ее искусственным интеллек-том, потому что это все же никакое не творчество, а только его имитация: анализируется ка-кое-то количество близких по стилю произведений, находится общий принцип их написания, и по этому трафарету создается еще одно такое же сочинение. Но такой подход далек от настоящего творчества, которое предполагает новые мысли, новые образы, для которых нельзя найти трафарет.

Большинство ученых считает, что искусственный интеллект будет возможен только в том случае, если машина сумеет сама осуществить весь мыслительный процесс, начиная от выбора задачи и заканчивая поиском решения. Пока же что и как делать машине решает про-граммист.

Истоки искусственного интеллекта

Вскоре после признания искусственного интеллекта отдельной областью науки про-изошло разделение его на два направления: нейрокибернетика и кибернетика черного ящи-ка. Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии. И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое.

Нейрокибернетика

Основную идею этого направления можно сформулировать следующим образом: единственный объект, способный мыслить, - это человеческий мозг. Поэтому любое мыс-лящее устройство должно каким-то образом воспроизводить его структуру. Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, по-добных структуре мозга. Усилия нейрокибернетики были сосредоточены на создании эле-ментов, аналогичных нейронам, и их объединении в функционирующие системы, то есть в нейронные сети.

Первые нейросети были созданы в 1956 - 65 гг. Это были не очень удачные попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Постепенно в 1970 - 80 гг. количество работ по этому направлению искусственного интеллекта стало снижаться: слишком неутешительны были первые результаты. Авторы объясняли неудачи малой памятью и низким быстродействием существующих в то время компьютеров.

В конце 70-х в гонку включилась Япония, объявив о начале проекта машин V поколения, основанных на знаниях. Проект был рассчитан на десять лет и объединял лучших молодых специалистов крупнейших японских компьютерных корпораций. Для этих специалистов был создан специально новый институт, и они получили полную свободу действий, правда, без права публикации предварительных результатов. В результате они создали достаточно громоздкий и дорогой символьный процессор, программно реализующий прологоподобный язык, не получивший широкого признания. Однако положительный эффект этого проекта был очевиден. В Японии появилась значительная группа высококвалифицированных специалистов в области искусственного интеллекта, которая добилась существенных результатов в различных прикладных задачах. К середине 90-х японская ассоциация искусственного интеллекта насчитывала 40 тысяч человек.

Сегодня можно выделить три подхода к созданию нейросетей: аппаратный (создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем); программ-ный (создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры; сети создаются в памяти компьютера, всю работу выполняют его собственные процессоры); гибридный (комбинация первых двух).

Кибернетика черного ящика и искусственный интеллект

В основу этого подхода положен принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.

Сторонники этого направления мотивировали свой подход тем, что человек не дол-жен слепо следовать природе в своих научных и технологических поисках. Вспомним, что колеса в природе нет. К тому же пограничные науки о человеке не смогли внести существенного теоретического вклада, объясняющего хотя бы приблизительно, как протекают интеллектуальные процессы у человека, как устроена память и как человек познает окружающий мир.

Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. Существенный вклад в становление новой науки внесли ее пионеры: Маккарти, Минский, Ньюэлл, Саймон, Шоу, Хант и др.

В 1956 - 63 гг. велись интенсивные поиски моделей и алгоритмов человеческого мышления и разработка первых программ на их основе. Представители существующих гу-манитарных наук - философы, психологи, лингвисты - ни тогда, ни сейчас не в состоянии были предложить такие алгоритмы. Тогда кибернетики начали создавать собственные модели. Так последовательно были созданы и опробованы различные подходы.

В 1956 г. была написана программа "Логик-Теоретик", которую можно отнести к достижениям в области искусственного интеллекта. Эта программа предназначалась для автоматического доказательства теорем в исчислении высказываний. Одна из первых программ для игры в шахматы, NSS, была завершена в 1957 г. В основе ее работы лежали так называемые эвристики (правила, которые позволяют сделать выбор при отсутствии точных теоретических оснований) и описания целей. Управляющий алгоритм пытался уменьшить различия между оценками текущей ситуации и оценками цели или одной из подцелей.

Джона Маккарти (J.McCarty) из Стэнфорда заинтересовали математические основы символьных вычислений. В результате, в 1963 г. им был разработан язык ЛИСП (LISP, от List Processing), основу которого составило использование единого спискового представле-ния для программ и данных, применение выражений для определения функций, скобочный синтаксис.

В это же время в СССР, в основном в московском университете и Академии Наук, был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Дмитрием Поспеловым, целью которых являлось выяснение, как же в действительности че-ловек решает переборные задачи?

Одной из приблизительных моделей логического мышления является так называемая лабиринтная модель. Суть этой модели заключается в следующем. Допустим, вы последова-тельно, шаг за шагом, решаете какую-то задачу. Сделав очередной шаг, вы должны оценить, какой из дальнейших возможных в данной ситуации шагов окажется наилучшим. Все это очень похоже на поведение человека в лабиринте - отсюда и название. Например, если стоишь на окраине незнакомого города и хочешь попасть в центр, то, следуя лабиринтному методу, можно пользоваться приведенными ниже рассуждениями. "Нумерация домов начинается от центра, и к центру сходятся самые крупные магистрали, значит, нужно каждый раз выбирать наиболее широкую улицу и идти по ней в сторону уменьшения номеров домов".

Лабиринтная модель очень машинна, так как требует лишь перебора вариантов из заданной совокупности. По этой модели американские кибернетики А. Ньюэлл, Д. Саймон и Дж. Шоу в 1960 г. создали программу, которую без лишней скромности назвали Общий решатель проблем (General Problem Solver). GPS могла справляться с рядом головоломок, вычислять неопределенные интегралы, решать некоторые другие задачи. Эти результаты привлекли внимание специалистов в области вычислений. Появились программы автоматического доказательства теорем из планиметрии и решения алгебраических задач (сформулированных на английском языке). В этом случае программа оказалась очень удачной. Однако когда тот же решатель попробовали приспособить к игре в шахматы, он оказался совершенно бессильным.

Центр города по лабиринтной модели найти можно, если заранее известно, что на данной площади центр есть. А если неточно известно, где искать? Тогда лабиринтное мыш-ление похоже на ползание мухи по стеклу в тщетных поисках выхода. А выхода нет: окно закрыто. Догадаться же, что надо перелететь к соседнему открытому окну, она не может. Ла-биринтная модель несовершенна, поскольку она помогает найти путь, уже содержащийся в неявном виде в заданном лабиринте, не позволяя выйти за его пределы. Простые же психо-логические опыты убеждают, что в решении почти любой проблемы важно не столько пере-брать все возможности в заданном лабиринте, сколько создать модель самого лабиринта и в ней уже искать. Вот элементарный эксперимент, который можно проверить на себе. Дано шесть спичек. Нужно сложить из них четыре равносторонних треугольника. Все и всегда начинают одинаково: перемещают спички по поверхности стола - типичный пример поисков по лабиринтной модели. Ничего у них не получается, после чего половина заявляет, что задача решения не имеет. Другая половина "начинает думать" и довольно скоро понимает, что нужно на столе выложить треугольник, а из оставшихся трех спичек построить на этом основании пирамиду.

Догадавшись, что нужно перейти от плоскости к объему, человек создал новую мо-дель лабиринта - объемную. Именно этот момент воспринимается им как творческий акт. Вероятнее всего, человек находит решения не путем перебора всех вариантов, а создавая мо-дель ситуации (лабиринт), выделяя при этом главное. Допустим, вам необходимо наметить маршрут передвижения в городе. Скорее всего, вы схематично представите в уме план горо-да, выделите начальный и конечный районы и связывающие их магистрали. Вы оперируете районами, а не улицами. Оказавшись близ нужного места, вы перейдете к более мелкой мо-дели, на которой уже должны быть и улицы, и дома, и даже подъезды, чтобы выбрать нуж-ный. Можно ли заранее заложить в машину все модели?

Модель не может быть создана раз и навсегда, а должна строиться каждый раз заново, в зависимости от сути задачи. Скажем, намечая маршрут, вы представляете себе сеть магист-ралей, а если составляете план озеленения города, важно другое распределение застройки, наличие свободных пространств. Построение модели обязательно должно исходить из смыс-ла задачи. Отсюда возникает еще одно возражение против возможности создания полноцен-ного интеллекта: мышление невозможно без построения моделей, построение моделей тре-бует понимания смысла задачи, а смысл нельзя вычислить, то есть его нельзя выразить по-средством каких-то формальных операций. Семантика, учение о значении объектов, - это одно, а синтаксис, учение о правилах операций с ними, - другое, и они не могут быть выведены друг из друга. Например, мы хотим, чтобы машина составляла нам фразы типа: "Красивая девушка весело смеется". Вводим в машину список существительных, список прилагательных, список наречий и список глаголов, задаем правила составления фраз, и машина выдает что-то вроде: "Белокурый самовар яростно спит". Эта фраза абсолютно правильна с точки зрения грамматики (синтаксиса), но семантически она абсурдна. А чтобы машина могла выбирать годные фразы, ее нужно снабдить внешним миром задачи, то есть, ни много, ни мало, заложить все знания об окружающем нас мире. Поэтому системы искусственного интеллекта должны будут как-то формировать модели внешнего мира. То ли путем непосредственного контакта с ним, то ли чтением книг. Оптимисты полагают, что возможно имитировать интеллектуальную деятельность на основе строгой математической теории. Но математика - наука чисто формальная, синтаксическая.

К исследованиям в области искусственного интеллекта стали проявлять интерес и ло-гики. В том же 1964 году была опубликована работа ленинградского логика Сергея Маслова "Обратный метод установления выводимости в классическом исчислении предикатов", в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

На год позже (в 1965 г.) в США появилась работа Дж. А. Робинсона (J.A. Robinson), посвященная несколько иному методу автоматического поиска доказательства теорем в ис-числении предикатов первого порядка. Этот метод был назван методом резолюций и послу-жил отправной точкой для создания нового языка программирования со встроенной проце-дурой логического вывода - языка "Пролог" (PROLOG, 1971 г.).

В 1966 году в СССР Валентином Турчиным был разработан язык рекурсивных функ-ций "Рефал", предназначенный для описания языков и разных видов их обработки. Хотя он и был задуман как алгоритмический метаязык, но для пользователя это был, подобно ЛИСПу и "Прологу", язык обработки символьной информации.

В конце 60-х годов появились первые игровые программы, системы для элементарного анализа текста и решения некоторых математических задач (геометрии, интегрального исчисления). В возникавших при этом сложных переборных проблемах количество перебираемых вариантов резко снижалось применением всевозможных эвристик и "здравого смысла". Такой подход стали называть эвристическим программированием. Дальнейшее развитие эвристического программирования шло по пути усложнения алгоритмов и улучшения эвристик. Однако вскоре стало ясно, что существует некоторый предел, за которым никакие улучшения эвристик и усложнения алгоритма не повысят качества работы системы и, главное, не расширят ее возможностей.

История искусственного интеллекта полна драматических событий, одним из которых стал в 1973 г. так называемый "доклад Лайтхилла", который был подготовлен в Великобритании по заказу Британского совета научных исследований. Известный математик Лайтхилл, никак с искусственным интеллектом профессионально не связанный, подготовил обзор состояния дел в этой области. В докладе были признаны определенные достижения, однако их уровень определялся как разочаровывающий, и общая оценка была отрицательной с позиций практической значимости. Этот отчет отбросил европейских исследователей примерно на пять лет назад, так как финансирование работ существенно сократилось.

Примерно в это же время существенный прорыв в развитии практических приложе-ний искусственного интеллекта произошел в США, когда в середине 70-х на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания спе-циалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Стал применяться новый подход к решению задач искусственного интеллекта - представление знаний. С использованием этого подхода были созданы, теперь ставшие уже классическими, первые экспертные системы для медицины и химии MYCIN и DENDRAL. С использованием этих же технологий создавались экспертные системы для поиска полезных ископаемых, оценки качества воды и т. п. Существенный финансовый вклад в развитие систем внес Пентагон, предложивший базировать новую программу министерства обороны США на принципах искусственного интеллекта. Уже вдогонку упущенным возможностям Европейский Союз в начале 80-х объявил о глобальной программе развития новых технологий ESPRIT, в которую была включена проблематика искусственного интеллекта.

Начиная с середины 1980-х гг., повсеместно происходит коммерциализация искусст-венного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экс-пертные системы. Растет интерес к самообучающимся системам. Издаются десятки научных журналов, ежегодно собираются международные и национальные конференции по различ-ным направлениям искусственного интеллекта.

В настоящее время разработка и реализация экспертных систем выделилась в само-стоятельную инженерную область. Научные же исследования в области искусственного ин-теллекта сосредоточены в ряде направлений, часть которых перечислена ниже.

Представление знаний (knowledge representation)

Одно из наиболее сформировавшихся направлений искусственного интеллекта. Тра-диционно к нему относится разработка формальных языков и программных средств для ото-бражения и описания так называемых когнитивных (познавательных) структур. Сегодня к представлению знаний причисляют также исследования по дескриптивной логике, логикам пространства и времени, онтологиям.

Пространственные логики позволяют описывать конфигурацию пространственных областей, объектов в пространстве; изучаются также семейства пространственных отноше-ний. В последнее время эта область, из-за тесной связи с прикладными задачами, становится доминирующей в исследованиях по представлению знаний. Например, для задач робототех-ники важно уметь по изображению некоторой сцены восстановить ее вербальное (формаль-ное) описание, с тем чтобы далее это описание использовать, например, для планирования действий робота.

Различные способы представления знаний лежат в основе моделирования рассужде-ний, куда входят: моделирование рассуждений на основе прецедентов (case-based reasoning, CBR), аргументации или ограничений, моделирование рассуждений с неопределенностью и др. Остановимся на некоторых из них.

CBR. Основной упор здесь делается на использовании прошлого опыта - вывод, ос-нованный на оценке сходства и технологии визуализации.

Пусть заданы прецеденты как множество пар <СЛУЧАЙ, РЕШЕНИЕ>, множество за-висимостей между различными атрибутами СЛУЧАЕВ и РЕШЕНИЙ, а также целевая про-блема ЦЕЛЬ. Для возникающей новой ситуации (<нового случая>) требуется найти пару <НОВЫЙ СЛУЧАЙ, ИСКОМОЕ РЕШЕНИЕ>, которая решает целевую проблему.

Алгоритмы для таких задач основаны обычно на сравнении прецедентов с новым случаем (в какой-либо метрике) с использованием зависимостей между атрибутами случаев и атрибутами решения. Такие зависимости могут задаваться человеком при построении базы случаев или обнаруживаться в базе случаев автоматически. При поиске решения для целе-вой проблемы выполняется адаптация уже имеющегося в базе прецедентов решения. Для этой адаптации и используются означенные зависимости.

Важной проблемой CBR является проблема выбора подходящего прецедента. Естест-венно искать подходящий прецедент в той области пространства поиска, где находятся ре-шения сходных проблем. Но как определить, какие именно решения надо считать сходными?

Существуют гипотезы, что сходство проблем налагает ограничения на сходство соот-ветствующих гипотез в форме слабой связи между ними. Это обстоятельство и используется для ограничения области поиска решений.

Методы CBR уже применяются в множестве прикладных задач - в медицине, управ-лении проектами, для анализа и реорганизации среды, для разработки товаров массового спроса с учетом предпочтений разных групп потребителей и т. д. Следует ожидать приложе-ний методов CBR для задач интеллектуального поиска информации, электронной коммерции (предложение товаров, создание виртуальных торговых агентств), планирования поведения в динамических средах, компоновки, конструирования, синтеза программ.

Рассуждения о действиях и изменениях

Большая часть работ в этой области посвящена применениям ситуационного исчисле-ния - формализма, предложенного Джоном Маккарти в 1968 году для описания действий, рассуждений о них и эффектов действий. Для преобразования плана поведения робота в ис-полняемую программу, достигающую с некоторой вероятностью фиксированной цели, вво-дится специальное логическое исчисление, основанное на ситуационной логике. Активно исследуются логики действий, применение модальных логик для рассуждений о знаниях и действиях.

Рассуждения с неопределенностью

Сюда относится использование байесовских сетей - статистического метода обна-ружения закономерностей в данных. Для этого используется первичная информация, содер-жащаяся либо в сетевых структурах, либо в базах данных. Под сетевыми структурами пони-мается в этом случае множество вершин и отношений на них, задаваемое с помощью ребер. Содержательно ребра интерпретируются как причинные связи. Всякое множество вершин Z, представляющее все пути между некоторыми двумя иными вершинами X и Y, соответствует условной зависимости между этими двумя последними вершинами.

Далее задается некоторое распределение вероятностей на множестве переменных, со-ответствующих вершинам этого графа, и полученная, но минимизированная (в некотором смысле) сеть называется байесовской сетью.

Приобретение знаний, машинное обучение и автоматическое порождение гипотез

Работы в области приобретения знаний интеллектуальными системами были и оста-ются важнейшим направлением теории и практики искусственного интеллекта. Целью этих работ является создание методик, технологий и программных средств переноса знаний в ба-зу знаний системы. При этом в качестве источников знаний выступают эксперты (то есть высококвалифицированные специалисты предметных областей), тексты и данные, например, хранимые в базах данных. Соответственно, развиваются различные методы приобретения знаний. Машинному обучению в мире уделяется большое внимание.

Интеллектуальный анализ данных и обработка образной информации

Это сравнительно новое направление, основу которого составляют две процедуры: обнаружение закономерностей в исходной информации и использование обнаруженных за-кономерностей для предсказания (прогнозирования). Сюда относят задачи выбора информа-тивных данных из большой их совокупности, выбора информативных характеристик некоторого объекта из более широкого множества его характеристик, задачи построения модели, позволяющие вычислять значения выбранных информативных характеристик по значениям других характеристик и т. п.

Значительную часть этого направления составляют исследования по различным ас-пектам распознавания изображений, в частности, с помощью нейросетей. Изучаются методы распознавания последовательностей видеообразов на основе декларативного подхода и из-влечения семантически значимой информации. К этому же направлению принадлежат ис-следования по графической технологии программирования в Интернете.

Многоагентные системы

Это новое направление, изучающее интеллектуальные программные агенты и их кол-лективы (некоторым образом пересекается с развивавшимся в 50-е - 60-е годы исследова-нием поведения в сложных системах).

Интеллектуальный агент - это программная система, обладающая

- автономностью: агенты действуют без непосредственного участия человека и мо-гут в некоторых пределах сами управлять своими действиями;

- социальными чертами: агенты взаимодействуют с другими агентами (и, возможно, с человеком) посредством некоторого языка коммуникации;

- реактивностью: агенты воспринимают окружающую среду, которая может быть физическим миром, множеством других агентов, сетью Интернет или комбинаци-ей всего этого, и реагируют на ее изменения;

- активностью: агенты могут демонстрировать целенаправленное поведение, проявляя при этом инициативу.

Основные задачи в этой области таковы: реализация переговоров интеллектуальных агентов и разработка языков для этой цели, координация поведения агентов, разработка ар-хитектуры языка программирования агентов.

Планирование поведения, или ИИ- планирование

Это способность интеллектуальной системы синтезировать последовательность дей-ствий для достижения желаемого целевого состояния. Работы по созданию эффективных методов такого синтеза востребованы и активно ведутся уже достаточно длительное время. Планирование является основой интеллектуального управления, то есть автоматического управления автономным целенаправленным поведением программно-технических систем.

Среди методов ИИ-планирования сегодня выделяют:

- классическое планирование, то есть планирование в условиях статической среды;

- динамическое планирование, то есть планирование в условиях изменения сре-ды;

- иерархическое планирование, то есть когда действия абстрактного плана высокого уровня конкретизируются более детальными планами нижнего уровня;

- частично-упорядоченное (или монотонное) планирование, когда план строится на основе частично упорядоченного множества подпланов.

В последнем случае общий план (элементами которого являются подпланы) обязан быть монотонным, а каждый из подпланов может быть немонотонным, где монотонность - это такое свойство плана, когда каждое его действие уменьшает различия между текущим состоянием и целью поведения. Например, если план движения робота к цели таков, что ка-ждый его шаг приближает к цели, то план монотонен, но если робот наткнулся при этом на препятствие и требуется его обойти, то монотонность плана нарушится. Однако если план обхода препятствия выделить в отдельный подплан и рассматривать его как элемент исход-ного плана, то монотонность последнего восстановится.

Активно ведутся работы и в области распознавания планов, построения планировщи-ков и расширения их возможностей, эвристического планирования с ресурсными ограниче-ниями, управления планированием посредством временной логики, планирования с исполь-зованием графов.

Рассматриваются подходы к планированию, при которых построение текущих планов выполняется непрерывно для каждого состояния системы в реальном времени. Для этого предусмотрен непрерывный мониторинг объекта управления.

Задачи планирования относятся в наше время к наиболее важным и перспективным направлениям в искусственном интеллекте.

Динамические интеллектуальные системы

Это результат интеграции экспертных систем с системами имитационного моделиро-вания. Это двухкомпонентные динамические модели, где один из компонентов - база зна-ний, а другой компонент имеет континуальный характер. Разрабатываются методы выбора логик для описания временных зависимостей при построении динамических интеллектуаль-ных систем.

Системы поддержки принятия решений

Посвящены моделированию сложных технологических и технических систем, поиску решений в условиях чрезвычайных ситуаций, задачам проектирования систем управления техническими объектами, использованию вероятностных подходов и сценариев при принятии решений, ряду других проблем.

Обработка естественного языка, пользовательский интерфейс и модели пользователя

Это направление связано с разработкой систем поддержки речевого общения, c реше-нием проблем уточнения запроса в информационных системах, с задачами сегментации тек-стов по тематическим топикам, с задачами управления диалогом, с задачами анализа естест-венного языка с использованием различных эвристик. Сюда же включаются проблемы дис-курса (иногда под дискурсом понимают совокупность речевых актов вместе с их результата-ми).

По-прежнему актуальны обучения контекстному анализу текста, задачи приобретения знаний интеллектуальными системами и извлечения информации из текстов.

Важнейшей задачей в процессе извлечения информации, как, впрочем, и в процессе приобретения знаний, является минимизация роли эксперта - участника процесса.

Важность этого направления нельзя недооценивать. Причина тому - возрастание потоков текстовой информации, существующий социальный заказ на поиск информации в Интернете, на анализ текстовой информации, на извлечение данных из текстов. Таким образом, значение методов автоматического анализа текстов будет в дальнейшем возрастать.

Предметом исследований является также динамическое моделирование пользователя, в частности, в системах электронной коммерции, развитие фреймового подхода для пред-ставления запросов пользователя, адаптивный интерфейс, мониторинг и анализ покупатель-ского поведения в Интернете.

Нечеткие модели и мягкие вычисления

Это направление представлено нечеткими схемами "вывода по аналогии", нечеткими аналитическими моделями для описания геометрических объектов, алгоритмами эволюционного моделирования с динамическими параметрами, такими как время жизни и размер популяции, методами решения оптимизационных задач с использованием технологий генетического поиска, гомеостатических и синергетических принципов и элементов самоорганизации.

Приведенные ниже оценки результатов, достигнутых в практических направлениях деятельности, которые можно отнести к области искусственного интеллекта, являются субъ-ективными и, в основном, взяты из Интернета [1]:

- распознавание речи (три с минусом);

- машинный перевод (три);

- распознавание печатного текста (пять с минусом);

- распознавание рукописного текста (три с минусом);

- распознавание типовых изображений (биометрия, факел взлетающей ракеты и т. п. - твердое четыре);

- распознавание произвольных изображений (проблема "отличить кошку от собаки" - кол!);

- игра в шахматы (почти твердая пятерка);

- производство логических выводов (например, доказательство теорем - четверка);

- экспертные системы и базы знаний (тройка с плюсом);

- "разумное" поведение роботов (тройка, постепенно переходящая в четверку);

- поисковые системы на естественном языке (три с минусом).

В начале развития направления искусственного интеллекта многим ученым казалось, что все проблемы, возникающие при решении задач по распознаванию изображений, синтезу и анализу речи, машинному переводу, автоматическому построению моделей и т. п., связаны только с ограничениями, накладываемыми недостаточно развитыми аппаратными средствами. Еще немного увеличить производительность процессоров, расширить объем памяти, улучшить качество интерфейса, чуть-чуть доработать алгоритмы - и все эти задачи будут решены. На текущий момент мы обладаем такими вычислительными средствами, которые и не снились многим фантастам пятидесятых-шестидесятых годов, однако к решению задач распознавания ученые так и не подошли. А какой наблюдался энтузиазм! Замечательный советский ученый, один из тех, кто участвовал в реабилитации кибернетики и в создании первых советских вычислительных машин, Анатолий Иванович Китов, в 1956 году писал: "После того как составлен машинный словарь и разработана система четких правил для работы машины, составление самой программы машинного перевода, несмотря на ее чрезвычайную громоздкость (она содержит несколько тысяч команд), не представляет принципиальных трудностей".

Существует еще множество подобных частных проблем, каждая из которых решается с различной степенью успешности, но чаще всего обособленно от других. Единого общего подхода, как ни старались, придумать не удалось.

Вместе с тем нельзя недооценивать результаты усилий по разрешению всех этих про-блем. Во-первых, в некоторых областях практические успехи все же весьма значительны. Во-вторых, сама постановка проблемы вызвала к жизни взрывной рост исследований в области мышления, способствовала тенденции к сближению различных наук, привела к широкому и небесполезному распространению методов точных наук на гуманитарные дисциплины и имела еще много всяких положительных последствий.

И в заключение можно выделить ряд направлений в искусственном интеллекте, кото-рые в обозримом будущем могут привести к качественным изменениям в технике и технологиях.

1. Рассуждения, основанные на прецедентах (CBR). Методы CBR уже применяются в множестве прикладных задач - в медицине, управлении проектами, для разра-ботки товаров массового спроса с учетом предпочтений разных групп потребите-лей. Следует ожидать приложений методов CBR для задач интеллектуального по-иска информации, электронной коммерции, планирования поведения в динамических средах, компоновки, конструирования, синтеза программ.

2. Рассуждения о пространстве и методы автоматического планирования. Имеют все возрастающее прикладное значение в связи с работами по созданию автоном-ных мобильных устройств с целенаправленным поведением - от бытовой техни-ки до беспилотных космических кораблей для исследования глубокого космоса. Направления исследований связаны с анализом изображений (в частности, аэро-фотоснимков) и задачами синтеза текстовых описаний по изображениям.

3. Методы машинного обучения и автоматического формирования гипотез. С по-мощью этого подхода можно будет решить ряд полезных практических задач - от обнаружения закономерностей в данных до повышения степени адаптивности и "уровня интеллекта" различных технических устройств.

4. Машинный анализ текстов на естественном языке. Предполагает учитывать мо-дель мира на заключительных стадиях семантического анализа и использование знаний о предметной области и ситуативной информации для уменьшения пере-боров на более ранних стадиях (например, при построении деревьев синтаксиче-ского разбора).

5. Подходы, основанные на технологии интеллектуальных агентов. Одно из наибо-лее перспективных направлений при разработке больших программных продук-тов, в том числе средств управления крупными и сложными системами (к таковым относятся телекоммуникационные системы, распределенные производства, системы управления войсками, транспортом, сетями, распределенный поиск информации).

Литература

1. Ревич Ю. В поисках разума. Искусственного. [Электронный ресурс] / Ю. Ревич; материалы из тем номера журнала "Компьютерра", подготовленные Леонидом Левковичем-Маслюком. - Знание-сила: "ЗС"-online. Номер 7/04. - Электрон. тек-стовые данные - Режим доступа: http://www.znanie-sila.ru/online/issue_2820.html

2. Шумилов А.А. Проблемы искусственного интеллекта. [Электронный ре-сурс] / А.А. Шумилов; по материалам беседы с д. т. н, проф. Т.А. Гавриловой. - Электрон. текстовые данные. - Режим доступа: http://www.big.spb.ru/publications/bigspb/km/problems_ai.shtml

3. Латышев В. Рубрика НТР: Беседы с объявленной программой [Электрон-ный ресурс] / В. Латышев; по материалам беседы с д. т. н., проф. Д.А. Поспеловым. - Литературная газета, №17, 28 апреля 1976. - Электрон. текстовые данные. - Режим доступа: http://www.raai.org/about/persons/pospelov/pages/litgaz1976.htm

4. Осипов Г.С. Искусственный интеллект: состояние исследований и взгляд в будущее [Электронный ресурс] / Г.С. Осипов; - Новости искусственного интеллекта №1, 2001. - Электрон. текстовые данные. - Режим доступа: http://www.raai.org/about/persons/osipov/pages/ai/ai.html