Künstliche Intelligenz (AI, engl. Artificial Intelligence, AI) - die Wissenschaft und Technologie zur Erstellung intelligenter Maschinen, insbesondere intelligenter Computerprogramme. KI ist mit der ähnlichen Aufgabe verwandt, Computer zum Verständnis menschlicher Intelligenz zu verwenden, ist jedoch nicht unbedingt auf biologisch plausible Methoden beschränkt.

Was ist künstliche intelligenz

Intelligenz(von lateinisch intellectus - Empfindung, Wahrnehmung, Verstehen, Verstehen, Konzept, Vernunft) oder Verstand - die Qualität der Psyche, bestehend aus der Fähigkeit, sich an neue Situationen anzupassen, die Fähigkeit, auf der Grundlage von Erfahrungen zu lernen und sich zu erinnern, zu verstehen und anzuwenden Konzepte abstrahieren und das eigene Wissen für das Umweltmanagement nutzen. Intelligenz ist eine allgemeine Erkenntnis- und Lösungsfähigkeit, die alle kognitiven Fähigkeiten eines Menschen vereint: Empfindung, Wahrnehmung, Gedächtnis, Vorstellung, Denken, Vorstellungskraft.

In den frühen 1980er Jahren Die Computerwissenschaftler Barr und Feigenbaum schlugen die folgende Definition vor künstliche Intelligenz(AI):


Später wurden eine Reihe von Algorithmen und Softwaresystemen als KI bezeichnet, deren Unterscheidungsmerkmal darin besteht, dass sie einige Probleme auf die gleiche Weise lösen können, wie es eine Person tun würde, die über ihre Lösung nachdenkt.

Die Haupteigenschaften von KI sind Sprachverständnis, Lernen und die Fähigkeit zu denken und vor allem zu handeln.

KI ist ein Komplex verwandter Technologien und Prozesse, die sich qualitativ und schnell entwickeln, zum Beispiel:

  • Textverarbeitung in natürlicher Sprache
  • Expertensysteme
  • virtuelle Agenten (Chatbots und virtuelle Assistenten)
  • Empfehlungssysteme.

KI-Forschung

  • Hauptartikel: Forschung im Bereich der künstlichen Intelligenz

KI-Standardisierung

2018: Entwicklung von Standards im Bereich Quantenkommunikation, KI und Smart City

Am 6. Dezember 2018 hat das Technical Committee „Cyber-Physical Systems“ auf Basis von RVC gemeinsam mit dem Regional Engineering Center „SafeNet“ damit begonnen, eine Reihe von Standards für die Märkte der National Technology Initiative (NTI) und der digitalen Wirtschaft zu entwickeln . Bis März 2019 sollen technische Standardisierungsdokumente im Bereich der Quantenkommunikation entwickelt werden, berichtete RVC. Weiterlesen.

Die Auswirkungen der künstlichen Intelligenz

Risiko für die Entwicklung der menschlichen Zivilisation

Auswirkungen auf Wirtschaft und Unternehmen

  • Die Auswirkungen von Technologien der künstlichen Intelligenz auf Wirtschaft und Unternehmen

Auswirkungen auf den Arbeitsmarkt

Bias der künstlichen Intelligenz

Das Herzstück aller KI-Praktiken (maschinelle Übersetzung, Spracherkennung, Verarbeitung natürlicher Sprache, Computer Vision, Automatisierung des Fahrens und mehr) ist Deep Learning. Dies ist eine Teilmenge des maschinellen Lernens, die durch die Verwendung neuronaler Netzwerkmodelle gekennzeichnet ist, von denen man sagen kann, dass sie die Funktionsweise des Gehirns nachahmen, sodass sie kaum als KI klassifiziert werden können. Jedes neuronale Netzwerkmodell wird an großen Datensätzen trainiert, so dass es sich einige „Fähigkeiten“ aneignet, aber wie es diese nutzt, ist den Erstellern nicht klar, was letztendlich zu einem der wichtigsten Probleme für viele Deep-Learning-Anwendungen wird. Der Grund ist, dass ein solches Modell formal mit Bildern arbeitet, ohne zu verstehen, was es tut. Ist ein solches KI-System und kann man Systemen, die auf Basis von maschinellem Lernen aufgebaut sind, vertrauen? Der Wert der Antwort auf letzte Frage geht darüber hinaus wissenschaftliche Laboratorien. Daher ist die Aufmerksamkeit der Medien auf das als AI Bias bezeichnete Phänomen merklich eskaliert. Es kann mit „AI Bias“ oder „AI Bias“ übersetzt werden. Weiterlesen.

Markt für Technologien der künstlichen Intelligenz

KI-Markt in Russland

Der globale KI-Markt

Anwendungen von KI

Die Anwendungsgebiete von KI sind recht breit gefächert und umfassen sowohl Technologien, die dem Hören vertraut sind, als auch neu entstehende Bereiche, die weit von einer Massenanwendung entfernt sind, d. h. die gesamte Bandbreite an Lösungen, vom Staubsauger bis hin Raumstationen. Es ist möglich, ihre ganze Vielfalt nach dem Kriterium der Entwicklungsschwerpunkte zu unterteilen.

KI ist kein monolithisches Themengebiet. Darüber hinaus erscheinen einige KI-Technologien als neue Teilsektoren der Wirtschaft und separate Einheiten, während sie gleichzeitig die meisten Bereiche der Wirtschaft bedienen.

Die Entwicklung des Einsatzes von KI führt zur Adaption von Technologien in klassischen Wirtschaftszweigen entlang der gesamten Wertschöpfungskette und transformiert diese bis hin zur Algorithmisierung nahezu aller Funktionalitäten, von der Logistik bis zur Unternehmensführung.

Der Einsatz von KI zu Verteidigungs- und Militärzwecken

Verwendung in der Bildung

Einsatz von KI im Unternehmen

KI in der Energiewirtschaft

  • Auf der Entwurfsebene: verbesserte Prognose der Erzeugung und des Bedarfs an Energieressourcen, Bewertung der Zuverlässigkeit von Stromerzeugungsanlagen, Automatisierung der Erzeugungserhöhung im Falle eines Nachfrageanstiegs.
  • Auf Produktionsebene: Optimierung der vorbeugenden Wartung von Anlagen, Steigerung der Erzeugungseffizienz, Reduzierung von Verlusten, Vermeidung von Diebstahl von Energieressourcen.
  • Auf Aktionsebene: tageszeitabhängige Preisoptimierung und dynamische Abrechnung.
  • Auf der Ebene der Leistungserbringung: automatische Auswahl des rentabelsten Lieferanten, detaillierte Statistiken Energieverbrauch, automatisierter Kundenservice, Optimierung des Energieverbrauchs basierend auf den Gewohnheiten und dem Verhalten des Kunden.

KI in der Fertigung

  • Auf der Designebene: Verbesserung der Effizienz bei der Entwicklung neuer Produkte, automatisierte Bewertung von Lieferanten und Analyse von Anforderungen für Ersatzteile und Teile.
  • Auf Produktionsebene: Verbesserung des Prozesses zur Ausführung von Aufgaben, Automatisierung von Montagelinien, Verringerung der Fehlerzahl, Verkürzung der Lieferzeit von Rohmaterialien.
  • Auf der Promotion-Ebene: Prognose des Umfangs von Support- und Wartungsleistungen, Preismanagement.
  • Auf der Ebene der Serviceerbringung: Verbesserung der Flottenroutenplanung, Nachfrage nach Flottenressourcen, Verbesserung der Qualität der Ausbildung von Servicetechnikern.

KI in Banken

  • Mustererkennung - gebraucht inkl. um Kunden in Filialen zu erkennen und ihnen spezielle Angebote zuzusenden.

KI im Verkehr

  • Die Autoindustrie steht vor einer Revolution: 5 Herausforderungen der Ära des selbstfahrenden Fahrens

KI in der Logistik

KI beim Brauen

Der Einsatz von KI in der öffentlichen Verwaltung

KI in der Forensik

  • Mustererkennung - gebraucht inkl. Kriminelle im öffentlichen Raum aufzuspüren.
  • Im Mai 2018 wurde der Einsatz künstlicher Intelligenz durch die niederländische Polizei zur Untersuchung komplexer Verbrechen bekannt.

Laut The Next Web haben die Strafverfolgungsbehörden damit begonnen, mehr als 1.500 Berichte und 30 Millionen Seiten im Zusammenhang mit Cold Cases zu digitalisieren. Ab 1988 werden Materialien in ein Computerformat übertragen, in denen das Verbrechen mindestens drei Jahre lang nicht aufgeklärt und der Täter zu mehr als 12 Jahren Gefängnis verurteilt wurde.

Sobald alle Inhalte digitalisiert sind, werden sie mit einem maschinellen Lernsystem verbunden, das die Aufzeichnungen analysiert und entscheidet, welche Fälle die stärksten Beweise verwenden. Dies sollte die Zeit, die für die Bearbeitung von Fällen und die Aufklärung vergangener und zukünftiger Verbrechen benötigt wird, von Wochen auf Tage verkürzen.

Künstliche Intelligenz wird Fälle nach ihrer „Lösbarkeit“ verteilen und die möglichen Ergebnisse der DNA-Untersuchung anzeigen. Dann ist geplant, die Analyse in anderen Bereichen zu automatisieren forensische Untersuchung und vielleicht sogar Daten in Bereichen wie abdecken Sozialwissenschaften und Zeugnisse.

Darüber hinaus könnten laut einem der Entwickler des Systems Jeroen Hammer (Jeroen Hammer) in Zukunft API-Funktionen für Partner freigegeben werden.


Die niederländische Polizei hat Spezialeinheit spezialisiert auf die Entwicklung neuer Technologien zur Aufklärung von Verbrechen. Er war es, der das KI-System für die schnelle Suche nach Kriminellen anhand von Beweisen geschaffen hat.

KI in der Justiz

Entwicklungen im Bereich der künstlichen Intelligenz werden dazu beitragen, das Justizsystem radikal zu verändern, es gerechter und frei von Korruptionsschemata zu machen. Diese Meinung wurde im Sommer 2017 von Vladimir Krylov, Doktor der technischen Wissenschaften, technischer Berater von Artezio, geäußert.

Der Wissenschaftler glaubt, dass die bereits existierenden KI-Lösungen in verschiedenen Bereichen der Wirtschaft und Wirtschaft erfolgreich eingesetzt werden können öffentliches Leben. Der Experte weist darauf hin, dass KI in der Medizin erfolgreich eingesetzt wird, aber in Zukunft das Justizsystem komplett verändern kann.

„Beim Betrachten täglicher Nachrichtenberichte über Entwicklungen im Bereich der KI staunt man nur über die unerschöpfliche Vorstellungskraft und die Fruchtbarkeit von Forschern und Entwicklern auf diesem Gebiet. Berichte über wissenschaftliche Forschung werden ständig mit Berichten über neue Produkte, die auf den Markt kommen, und Berichten über erstaunliche Ergebnisse durchsetzt, die durch den Einsatz von KI in verschiedenen Bereichen erzielt wurden. Wenn wir über die erwarteten Ereignisse sprechen, begleitet von einem spürbaren Hype in den Medien, bei denen die KI wieder zum Helden der Nachrichten wird, dann werde ich es wahrscheinlich nicht riskieren, technologische Prognosen abzugeben. Ich kann davon ausgehen, dass als nächstes Ereignis irgendwo ein äußerst kompetentes Gericht in Form von künstlicher Intelligenz auftreten wird, fair und unbestechlich. Dies wird wahrscheinlich in den Jahren 2020-2025 geschehen. Und die Prozesse, die in diesem Gericht stattfinden werden, werden zu unerwarteten Überlegungen und dem Wunsch vieler Menschen führen, die meisten Prozesse der Verwaltung der menschlichen Gesellschaft auf KI zu übertragen.

Der Einsatz von künstlicher Intelligenz in Justizsystem erkennt der Wissenschaftler als "logischen Schritt" für die Entwicklung von gesetzgeberischer Gleichheit und Gerechtigkeit. Der maschinelle Verstand ist weder Korruption noch Emotionen ausgesetzt, kann sich strikt an den gesetzlichen Rahmen halten und Entscheidungen unter Berücksichtigung vieler Faktoren treffen, einschließlich der Daten, die die Streitteilnehmer charakterisieren. In Analogie zum medizinischen Bereich können Roboterrichter mit Big Data aus öffentlich-rechtlichen Repositories arbeiten. Es ist davon auszugehen, dass maschinelle Intelligenz in der Lage sein wird, Daten schnell zu verarbeiten und viel mehr Faktoren zu berücksichtigen als ein menschliches Urteilsvermögen.

Psychologische Experten glauben jedoch, dass das Fehlen einer emotionalen Komponente bei der Betrachtung von Gerichtsverfahren die Qualität der Entscheidung negativ beeinflusst. Das Urteil des Maschinengerichts kann sich als zu einfach herausstellen, da es die Bedeutung der Gefühle und Stimmungen der Menschen nicht berücksichtigt.

Bild

2015 testete das Google-Team neuronale Netze, um zu sehen, ob sie selbst Bilder erstellen können. Dann wurde künstliche Intelligenz am Beispiel einer Vielzahl unterschiedlicher Bilder trainiert. Als die Maschine jedoch „gefordert“ wurde, etwas eigenständig darzustellen, stellte sich heraus, dass sie die Welt um uns herum auf eine etwas seltsame Weise interpretiert. Für die Aufgabe, Hanteln zu zeichnen, erhielten die Entwickler beispielsweise ein Bild, in dem das Metall verbunden war menschliche Hände. Dies ist wahrscheinlich darauf zurückzuführen, dass die analysierten Bilder mit Hanteln in der Trainingsphase Hände enthielten und das neuronale Netzwerk dies falsch interpretierte.

Am 26. Februar 2016 sammelten Google-Vertreter bei einer Sonderauktion in San Francisco etwa 98.000 $ aus psychedelischen Gemälden, die von künstlicher Intelligenz gemalt wurden, und spendeten diese Gelder für wohltätige Zwecke. Eines der erfolgreichsten Bilder des Autos ist unten dargestellt.

Ein Bild, das von der künstlichen Intelligenz von Google gemalt wurde.

Die in der Präambel zitierte Definition der künstlichen Intelligenz, die John McCarthy 1956 auf einer Konferenz an der Dartmouth University gegeben hat, steht nicht in direktem Zusammenhang mit dem Verständnis der menschlichen Intelligenz. Laut McCarthy steht es KI-Forschern frei, Methoden anzuwenden, die beim Menschen nicht beobachtet werden, wenn es zur Lösung spezifischer Probleme notwendig ist.

Gleichzeitig gibt es eine Sichtweise, nach der Intelligenz nur ein biologisches Phänomen sein kann.

Wie der Vorsitzende der St. Petersburger Niederlassung der Russischen Vereinigung für künstliche Intelligenz, T. A. Gavrilova, betont, in Englische Sprache Phrase künstliche Intelligenz hat nicht diese leicht phantastische anthropomorphe Färbung, die es in einer ziemlich erfolglosen russischen Übersetzung erhalten hat. Wort Intelligenz bedeutet "die Fähigkeit, vernünftig zu argumentieren" und keineswegs "Intelligenz", für die es ein englisches Äquivalent gibt Intellekt .

Mitglieder der Russian Association of Artificial Intelligence geben die folgenden Definitionen von künstlicher Intelligenz an:

Eine der privaten Definitionen von Intelligenz, die einem Menschen und einer „Maschine“ gemein ist, lässt sich wie folgt formulieren: „Intelligenz ist die Fähigkeit eines Systems, Programme (vorrangig heuristisch) im Zuge des Selbstlernens zur Lösung von Problemen zu erstellen einer bestimmten Komplexitätsklasse und lösen diese Probleme“ .

Voraussetzungen für die Entwicklung der Wissenschaft der künstlichen Intelligenz

Die Geschichte der Künstlichen Intelligenz als neue Wissenschaftsrichtung beginnt Mitte des 20. Jahrhunderts. Zu diesem Zeitpunkt waren bereits viele Voraussetzungen für seine Entstehung geschaffen: Unter Philosophen gab es lange Streitigkeiten über die Natur des Menschen und den Prozess der Welterkenntnis, Neurophysiologen und Psychologen entwickelten eine Reihe von Theorien über die Arbeit des menschlichen Gehirns und Denken, Ökonomen und Mathematiker stellten Fragen optimale Berechnungen und Präsentation von Wissen über die Welt in formalisierter Form; Schließlich wurde die Grundlage der mathematischen Theorie des Rechnens – die Theorie der Algorithmen – geboren und die ersten Computer wurden entwickelt.

Die Fähigkeiten neuer Maschinen in Bezug auf die Rechengeschwindigkeit erwiesen sich als größer als die der Menschen, daher stellte sich in der wissenschaftlichen Gemeinschaft die Frage: Wo sind die Grenzen der Fähigkeiten von Computern und werden Maschinen das Niveau der menschlichen Entwicklung erreichen? 1950 einer der Pioniere auf diesem Gebiet Informatik, der englische Wissenschaftler Alan Turing, schreibt einen Artikel mit dem Titel "Kann eine Maschine denken?" , der ein Verfahren beschreibt, mit dem es möglich sein wird, den Zeitpunkt zu bestimmen, an dem eine Maschine in Bezug auf die Intelligenz mit einem Menschen gleich wird, den so genannten Turing-Test.

Die Geschichte der Entwicklung der künstlichen Intelligenz in der UdSSR und Russland

In der UdSSR begannen die Arbeiten auf dem Gebiet der künstlichen Intelligenz in den 1960er Jahren. Eine Reihe wegweisender Studien wurde an der Moskauer Universität und der Akademie der Wissenschaften unter der Leitung von Veniamin Puschkin und D. A. Pospelov durchgeführt. Seit den frühen 1960er Jahren haben M. L. Tsetlin und Kollegen Probleme im Zusammenhang mit dem Training endlicher Automaten entwickelt.

1964 wurde die Arbeit des Leningrader Logikers Sergei Maslov veröffentlicht " umgekehrte Methode Etablierung der Ableitbarkeit im klassischen Prädikatenkalkül“, der erstmals eine Methode zur automatischen Suche nach Beweisen von Theoremen im Prädikatenkalkül vorschlug.

Bis in die 1970er Jahre wurde in der UdSSR die gesamte KI-Forschung im Rahmen der Kybernetik durchgeführt. Laut D. A. Pospelov waren die Wissenschaften "Informatik" und "Kybernetik" zu dieser Zeit aufgrund einer Reihe von akademischen Streitigkeiten gemischt. Erst Ende der 1970er Jahre begann man in der UdSSR von der Wissenschaftsrichtung „Künstliche Intelligenz“ als Zweig der Informatik zu sprechen. Gleichzeitig wurde die Informatik selbst geboren und die Vorläuferin „Kybernetik“ unterjocht. In den späten 1970er Jahren, a Wörterbuch zur künstlichen Intelligenz, ein dreibändiges Nachschlagewerk zur künstlichen Intelligenz und ein enzyklopädisches Wörterbuch zur Informatik, in dem die Abschnitte „Kybernetik“ und „Künstliche Intelligenz“ neben anderen Abschnitten zur Informatik gehören. Der Begriff "Informatik" verbreitete sich in den 1980er Jahren, und der Begriff "Kybernetik" verschwand allmählich aus dem Umlauf und blieb nur noch in den Namen der Institutionen, die während der Ära des "Kybernetik-Booms" Ende der 1950er und Anfang der 1960er Jahre entstanden. Diese Sicht auf Künstliche Intelligenz, Kybernetik und Informatik wird nicht von allen geteilt. Dies liegt daran, dass im Westen die Grenzen dieser Wissenschaften etwas anders sind.

Ansätze und Richtungen

Ansätze zum Verständnis des Problems

Auf die Frage, was künstliche Intelligenz tut, gibt es keine einheitliche Antwort. Fast jeder Autor, der ein Buch über KI schreibt, geht von einer Definition darin aus und betrachtet die Errungenschaften dieser Wissenschaft in ihrem Licht.

  • Top-Down (dt. Top-Down-KI), Semiotik - die Erstellung von Expertensystemen, Wissensbasen und Inferenzsystemen, die mentale Prozesse auf hoher Ebene imitieren: Denken, Argumentieren, Sprechen, Emotionen, Kreativität usw .;
  • aufsteigend (engl. Bottom-Up AI), biologisch - die Untersuchung neuronaler Netze und evolutionärer Berechnungen, die intellektuelles Verhalten auf der Grundlage biologischer Elemente modellieren, sowie die Schaffung geeigneter Computersysteme, wie z. B. eines Neurocomputers oder Biocomputers.

Letzterer Ansatz gilt streng genommen nicht für die Wissenschaft der KI im Sinne von John McCarthy - sie eint nur ein gemeinsames Endziel.

Turing-Test und intuitiver Ansatz

Dieser Ansatz konzentriert sich auf jene Methoden und Algorithmen, die einem intelligenten Agenten helfen, in der Umgebung zu überleben, während er seine Aufgabe erfüllt. Daher werden hier Algorithmen zum Suchen Wegen und Treffen Entscheidungen viel gründlicher untersucht.

Hybrider Ansatz

Hybrider Ansatz schlägt vor, dass nur Die synergistische Kombination aus neuronalen und symbolischen Modellen erreicht das volle Spektrum an kognitiven und rechnerischen Fähigkeiten. Beispielsweise können Experten-Inferenzregeln durch neuronale Netze generiert werden, und generative Regeln werden durch statistisches Lernen erhalten. Befürworter dieses Ansatzes glauben, dass hybride Informationssysteme viel stärker sein werden als die Summe verschiedener Konzepte einzeln.

Modelle und Methoden der Forschung

Symbolische Modellierung von Denkprozessen

Wenn man die Geschichte der KI analysiert, kann man eine so umfassende Richtung herausgreifen wie Argumentationsmodellierung. Lange Jahre Die Entwicklung dieser Wissenschaft hat sich auf diesem Weg bewegt und ist heute einer der am weitesten entwickelten Bereiche der modernen KI. Beim Modellieren von Argumenten werden symbolische Systeme erstellt, an deren Eingang eine bestimmte Aufgabe gestellt wird und an deren Ausgang sie gelöst werden muss. In der Regel ist das vorgeschlagene Problem bereits formalisiert, dh in mathematische Form übersetzt, hat aber entweder keinen Lösungsalgorithmus oder ist zu kompliziert, zeitaufwändig usw. Diese Richtung umfasst: Theoreme beweisen, Entscheidungen treffen , und Spieltheorie, Planung und Disposition , Prognose .

Arbeiten mit natürlichen Sprachen

Eine wichtige Richtung ist Verarbeitung natürlicher Sprache, das die Möglichkeiten des Verstehens, Verarbeitens und Generierens von Texten in einer "menschlichen" Sprache analysiert. In dieser Richtung ist das Ziel eine solche Verarbeitung natürlicher Sprache, die in der Lage wäre, sich Wissen selbst anzueignen, indem sie vorhandene Texte liest, die im Internet verfügbar sind. Einige direkte Anwendungen der Verarbeitung natürlicher Sprache umfassen Informationsabruf (einschließlich Textmining) und maschinelle Übersetzung.

Repräsentation und Nutzung von Wissen

Richtung Wissenstechnik vereint die Aufgaben der Erkenntnisgewinnung aus einfachen Informationen, deren Systematisierung und Nutzung. Diese Richtung ist historisch mit der Schöpfung verbunden Expertensysteme- Programme, die spezialisierte Wissensbasen verwenden, um zuverlässige Schlussfolgerungen zu jedem Problem zu ziehen.

Die Gewinnung von Wissen aus Daten ist eines der Grundprobleme des Data Mining. Es gibt verschiedene Ansätze zur Lösung dieses Problems, einschließlich solcher, die auf der neuronalen Netzwerktechnologie basieren, wobei neuronale Netzwerkverbalisierungsverfahren verwendet werden.

Maschinelles Lernen

Themen maschinelles Lernen betrifft den Prozess unabhängig Erwerb von Wissen durch ein intellektuelles System im Prozess seines Betriebs. Diese Richtung war von Anfang an zentral für die Entwicklung von KI. 1956 schrieb Ray Solomonoff auf der Dartmund Summer Conference einen Artikel über eine unbeaufsichtigte probabilistische Lernmaschine namens Inductive Inference Machine.

Robotik

Maschinelle Kreativität

Die Natur der menschlichen Kreativität wird noch weniger verstanden als die Natur der Intelligenz. Trotzdem gibt es diesen Bereich, und hier stellen sich die Probleme des Schreibens von Musik, literarischen Werken (oft Gedichte oder Märchen), künstlerischer Kreativität. Die Erstellung realistischer Bilder ist in der Film- und Spieleindustrie weit verbreitet.

Unabhängig davon wird die Untersuchung der Probleme der technischen Kreativität von Systemen der künstlichen Intelligenz hervorgehoben. Die Theorie der erfinderischen Problemlösung, die 1946 von G. S. Altshuller vorgeschlagen wurde, markierte den Beginn dieser Forschung.

Wenn Sie diese Funktion zu einem beliebigen intelligenten System hinzufügen, können Sie sehr deutlich demonstrieren, was genau das System wahrnimmt und wie es es versteht. Durch das Hinzufügen von Rauschen anstelle von fehlenden Informationen oder das Filtern von Rauschen mit dem im System verfügbaren Wissen werden aus abstraktem Wissen konkrete Bilder erzeugt, die von einer Person leicht wahrgenommen werden können. Dies ist besonders nützlich für intuitives und geringwertiges Wissen, dessen Überprüfung in eine formale Form erfordert erhebliche geistige Anstrengung.

Andere Forschungsgebiete

Schließlich gibt es viele Anwendungen künstlicher Intelligenz, die jeweils eine fast eigenständige Richtung bilden. Beispiele hierfür sind die Programmierung von Intelligenz in Computerspielen, nichtlineare Steuerung, intelligente Systeme Informationssicherheit.

Für die Zukunft wird davon ausgegangen, dass die Entwicklung der künstlichen Intelligenz eng mit der Entwicklung eines Quantencomputers verbunden ist, da einige Eigenschaften der künstlichen Intelligenz ähnliche Funktionsprinzipien wie Quantencomputer haben.

Es zeigt sich, dass sich viele Forschungsbereiche überschneiden. Das gilt für jede Wissenschaft. Aber in der künstlichen Intelligenz ist die Beziehung zwischen scheinbar unterschiedlichen Richtungen besonders stark, und dies hängt mit der philosophischen Debatte über starke und schwache KI zusammen.

Moderne künstliche Intelligenz

Es gibt zwei Richtungen der KI-Entwicklung:

  • Lösung von Problemen im Zusammenhang mit der Annäherung spezialisierter KI-Systeme an menschliche Fähigkeiten und deren Integration, die von der menschlichen Natur implementiert wird ( siehe Intelligenzschub);
  • die Schaffung künstlicher Intelligenz, die die Integration bereits geschaffener KI-Systeme in ein einziges System darstellt, das in der Lage ist, die Probleme der Menschheit zu lösen ( siehe Starke und schwache künstliche Intelligenz).

Aber in zur Zeit im bereich der künstlichen intelligenz sind viele themenbereiche involviert, die eher praktisch als grundlegend für die KI sind. Viele Ansätze wurden ausprobiert, aber noch keine Forschungsgruppe ist auf die Entstehung der künstlichen Intelligenz gekommen. Im Folgenden sind nur einige der bemerkenswertesten KI-Entwicklungen aufgeführt.

Anwendung

Einige der bekanntesten KI-Systeme sind:

Banken nutzen Systeme der künstlichen Intelligenz (KI) im Versicherungswesen (Versicherungsmathematik), beim Börsenspiel und bei der Vermögensverwaltung. Mustererkennungsverfahren (sowohl komplexere als auch spezialisierte und neuronale Netze) sind weit verbreitet in der optischen und akustischen Erkennung (einschließlich Text und Sprache), der medizinischen Diagnostik, Spamfiltern, Luftabwehrsystemen (Zielidentifikation) sowie zur Gewährleistung von a Reihe anderer nationaler Sicherheitsaufgaben.

Psychologie und Kognitionswissenschaft

Die Methodik der kognitiven Modellierung ist darauf ausgelegt, schlecht definierte Situationen zu analysieren und Entscheidungen zu treffen. Es wurde von Axelrod vorgeschlagen.

Es basiert auf der Modellierung subjektiver Vorstellungen von Experten über die Situation und beinhaltet: eine Methodik zur Strukturierung der Situation: ein Modell zur Darstellung von Expertenwissen in Form eines vorzeichenbehafteten Digraphen (kognitive Landkarte) (F, W), wobei F a ist Menge von Situationsfaktoren, W ist eine Menge von Ursache-Wirkungs-Beziehungen zwischen Situationsfaktoren; Methoden der Situationsanalyse. Gegenwärtig entwickelt sich die Methodik der kognitiven Modellierung in Richtung einer Verbesserung des Apparats zur Analyse und Modellierung der Situation. Hier werden Modelle zur Prognose der Lageentwicklung vorgeschlagen; Methoden zur Lösung inverser Probleme.

Philosophie

Die Wissenschaft der „Erschaffung künstlicher Intelligenz“ musste die Aufmerksamkeit der Philosophen auf sich ziehen. Mit dem Aufkommen der ersten intelligenten Systeme stellten sich grundlegende Fragen zu Mensch und Wissen, teilweise auch zur Weltordnung.

Die philosophischen Probleme der Schaffung künstlicher Intelligenz lassen sich in zwei Gruppen einteilen, relativ gesehen „vor und nach der Entwicklung der KI“. Die erste Gruppe beantwortet die Frage: „Was ist KI, kann man sie erstellen und wenn möglich wie?“ Die zweite Gruppe (die Ethik der künstlichen Intelligenz) stellt die Frage: „Welche Folgen hat die Schaffung von KI für die Menschheit?“

Der Begriff "starke künstliche Intelligenz" wurde von John Searle eingeführt, und sein Ansatz wird durch seine eigenen Worte charakterisiert:

Darüber hinaus wäre ein solches Programm mehr als nur ein Modell des Geistes; sie hinein buchstäblich Worte selbst werden Geist sein, im gleichen Sinne wie der menschliche Geist Geist ist.

Gleichzeitig ist es notwendig zu verstehen, ob ein „rein künstlicher“ Geist („Metamind“) möglich ist, reale Probleme versteht und löst und gleichzeitig frei von Emotionen ist, die für eine Person charakteristisch und für sie notwendig sind individuelles Überleben [ ] .

Im Gegenteil, schwache KI-Befürworter ziehen es vor, Programme nur als Werkzeug zur Lösung bestimmter Aufgaben zu betrachten, die nicht die gesamte Bandbreite menschlicher kognitiver Fähigkeiten erfordern.

Ethik

Andere traditionelle Bekenntnisse beschreiben die Themen der KI selten. Aber einige Theologen achten trotzdem darauf. Zum Beispiel stellt Erzpriester Michail Zakharov, der aus der Sicht der christlichen Weltanschauung argumentiert nächste Frage„Der Mensch ist ein rational freies Wesen, von Gott nach seinem Bild und Gleichnis geschaffen. Wir sind es gewohnt, alle diese Definitionen auf die biologische Spezies Homo Sapiens zu beziehen. Aber wie gerechtfertigt ist das? . Diese Frage beantwortet er so:

Angenommen, die Forschung auf dem Gebiet der künstlichen Intelligenz wird jemals zur Entstehung eines künstlichen Wesens führen, das dem Menschen an Intelligenz überlegen ist, mit freiem Willen, bedeutet dies, dass dieses Wesen eine Person ist? … der Mensch ist eine Schöpfung Gottes. Können wir dieses Geschöpf eine Schöpfung Gottes nennen? Auf den ersten Blick ist es eine menschliche Schöpfung. Aber selbst bei der Erschaffung des Menschen lohnt es sich kaum, buchstäblich zu verstehen, dass Gott mit Seinen eigenen Händen den ersten Menschen aus Ton geformt hat. Dies ist wahrscheinlich eine Allegorie, die auf die Materialität des menschlichen Körpers hinweist, der durch den Willen Gottes geschaffen wurde. Aber ohne den Willen Gottes geschieht nichts auf dieser Welt. Der Mensch als Mitschöpfer dieser Welt kann, indem er den Willen Gottes erfüllt, neue Geschöpfe erschaffen. Solche Geschöpfe, die von Menschenhand nach Gottes Willen geschaffen wurden, können wohl als Gottes Schöpfungen bezeichnet werden. Schließlich erschafft der Mensch neue Tier- und Pflanzenarten. Und wir betrachten Pflanzen und Tiere als Schöpfungen Gottes. Dasselbe gilt für ein künstliches Wesen nichtbiologischer Natur.

Science-Fiction

Das Thema KI wird in der Arbeit von Robert Heinlein aus verschiedenen Blickwinkeln betrachtet: Die Hypothese der Entstehung von KI-Selbstbewusstsein, wenn die Struktur über ein bestimmtes kritisches Niveau hinaus komplexer wird und es zu einer Interaktion mit der Außenwelt und anderen Gedankenträgern kommt ( „The Moon Is a Harsh Mistress“, „Time Enough For Love“, Charaktere Mycroft, Dora und Aya in der „History of the Future“-Serie), Probleme der KI-Entwicklung nach hypothetischer Selbsterkenntnis und einige soziale und ethische Fragen („ Freitag"). Die sozialpsychologischen Probleme der menschlichen Interaktion mit KI werden auch von Philip K. Dicks Roman „Träumen Androiden von elektrischen Schafen? “, auch bekannt aus der Verfilmung von Blade Runner.

Im Werk des Science-Fiction-Autors und Philosophen Stanislav Lem wird die Entstehung von virtuelle Realität, künstliche Intelligenz, Nanoroboter und viele andere Probleme der Philosophie der künstlichen Intelligenz. Besonders hervorzuheben ist die zukunftsweisende Sum Technologie. Darüber hinaus beschreiben die Abenteuer von Iyon the Quiet immer wieder die Beziehung zwischen Lebewesen und Maschinen: die Bordcomputer-Rebellion gefolgt von unerwarteten Ereignissen (11. Reise), die Adaption von Robotern in der menschlichen Gesellschaft („The Washing Tragedy“ aus „Memories of Iyon the Quiet“), der Aufbau absoluter Ordnung auf dem Planeten durch die Verarbeitung lebender Bewohner (24. Reise), Erfindungen von Corcoran und Diagoras („Memoirs of Iyon the Quiet“), eine psychiatrische Klinik für Roboter („Memoirs of Iyon der Stille“). Darüber hinaus gibt es einen ganzen Zyklus von Geschichten und Geschichten von Cyberiad, in denen fast alle Charaktere Roboter sind, die entfernte Nachkommen von Robotern sind, die Menschen entkommen sind (sie nennen Menschen blass und betrachten sie als Fabelwesen).

Filme

Seit fast den 1960er Jahren werden neben dem Schreiben fantastischer Geschichten und Romane auch Filme über künstliche Intelligenz gedreht. Viele Romane von weltweit anerkannten Autoren werden verfilmt und zu Klassikern des Genres, andere zu Meilensteinen in der Entwicklung

Seit der Erkenntnis der künstlichen Intelligenz als Wissenschaftsrichtung Mitte der 50er Jahre des letzten Jahrhunderts mussten die Entwickler intelligenter Systeme viele Probleme lösen. Herkömmlicherweise lassen sich alle Aufgaben in mehrere Klassen einteilen: menschliche Spracherkennung und -übersetzung, automatische Theorembeweise, Erstellung von Spielprogrammen, Bilderkennung und maschinelle Kreativität. Betrachten wir kurz das Wesen jeder Klasse von Problemen.

Beweis von Theoremen.

Der automatisierte Theorembeweis ist die älteste Anwendung der künstlichen Intelligenz. Auf diesem Gebiet wurde viel geforscht, was zum Erscheinen von formalisierten Suchalgorithmen und formalen Darstellungssprachen wie PROLOG – einer logischen Programmiersprache – und dem Prädikatenkalkül führte.

Automatische Beweise von Theoremen sind attraktiv, weil sie auf der Allgemeingültigkeit und Strenge der Logik beruhen. Logik in einem formalen System impliziert die Möglichkeit der Automatisierung, dh wenn Sie sich eine Aufgabe vorstellen und damit zusammenhängen Zusätzliche Information in Form einer Reihe logischer Axiome und Spezialfälle des Problems - als Theoreme, die bewiesen werden müssen, können Sie eine Lösung für viele Probleme erhalten. Mathematische Begründungssysteme und automatische Beweise von Theoremen basieren auf diesem Prinzip. In den vergangenen Jahren wurde immer wieder versucht, ein Programm zum automatischen Beweis von Theoremen zu schreiben, aber es gelang nicht, ein System zu schaffen, das es erlaubt, Probleme mit einer einzigen Methode zu lösen. Jedes relativ komplexe heuristische System konnte viele irrelevante beweisbare Theoreme generieren, mit dem Ergebnis, dass Programme sie beweisen mussten, bis das richtige gefunden war. Aus diesem Grund ist die Meinung entstanden, dass große Räume nur mit Hilfe speziell auf den Einzelfall zugeschnittener informeller Strategien bewältigt werden können. Dieser Ansatz hat sich in der Praxis als sehr fruchtbar erwiesen und war neben anderen die Basis von Expertensystemen.

Gleichzeitig kann eine auf formaler Logik basierende Argumentation nicht ignoriert werden. Ein formalisierter Ansatz ermöglicht die Lösung vieler Probleme. Insbesondere können Sie damit komplexe Systeme verwalten, die Korrektheit von Computerprogrammen überprüfen, logische Schaltungen entwerfen und testen. Darüber hinaus haben Forscher für den automatischen Theorembeweis leistungsstarke Heuristiken entwickelt, die auf der Bewertung der syntaktischen Form logischer Ausdrücke basieren. Dadurch wurde es möglich, die Komplexität des Suchraums zu reduzieren, ohne auf die Entwicklung spezieller Strategien zurückgreifen zu müssen.

Der automatische Theorembeweis ist auch deshalb für Wissenschaftler interessant, weil für besonders komplexe Probleme auch ein Einsatz des Systems möglich ist, allerdings nicht ohne menschliches Zutun. Derzeit fungieren Programme oft als Assistenten. Spezialisten unterteilen die Aufgabe in mehrere Teilaufgaben, dann werden Heuristiken ausgearbeitet, um mögliche Gründe zu ermitteln. Als nächstes beweist das Programm Lemmas, überprüft weniger wesentliche Annahmen und ergänzt die formalen Aspekte der von der Person skizzierten Beweise.

Mustererkennung.

Mustererkennung ist die Auswahl von wesentlichen Merkmalen, die die Ausgangsdaten aus der Gesamtheit der Merkmale charakterisieren, und anhand der erhaltenen Informationen die Zuordnung von Daten zu einer bestimmten Klasse.

Die Theorie der Mustererkennung ist ein Zweig der Informatik, dessen Aufgabe es ist, die Grundlagen und Methoden zur Identifizierung und Klassifizierung von Objekten (Objekten, Prozessen, Phänomenen, Situationen, Signalen usw.) zu entwickeln, die jeweils mit einer Reihe von bestimmten ausgestattet sind Merkmale und Eigenschaften. In der Praxis ist es oft notwendig, Objekte zu identifizieren. Eine typische Situation ist das Erkennen der Farbe einer Ampel und die Entscheidung, ob dies der Fall ist dieser Moment die Straße überqueren. Es gibt andere Bereiche, in denen auf die Objekterkennung nicht verzichtet werden kann, zum Beispiel die Digitalisierung analoger Signale, militärische Angelegenheiten, Sicherheitssysteme usw. Daher arbeiten Wissenschaftler heute weiterhin aktiv an der Entwicklung von Bilderkennungssystemen.

Die Arbeit wird in zwei Hauptrichtungen durchgeführt:

  • · Erforschung, Erklärung und Modellierung der den Lebewesen innewohnenden Erkennungsfähigkeiten.
  • · Entwicklung theoretischer und methodologischer Grundlagen für die Erstellung von Geräten, die die Lösung individueller Probleme für angewandte Zwecke ermöglichen würden.

Die Formulierung von Erkennungsproblemen erfolgt in einer mathematischen Sprache. Während die Theorie der künstlichen neuronalen Netze darauf basiert, Ergebnisse durch Experimente zu erhalten, basiert die Formulierung von Mustererkennungsproblemen nicht auf Experimenten, sondern auf der Grundlage mathematischer Beweise und logischer Argumentation.

Betrachten Sie die klassische Formulierung eines solchen Problems. Es gibt viele Objekte, in Bezug auf die es notwendig ist, zu klassifizieren. Eine Menge besteht aus Teilmengen oder Klassen. Spezifiziert: Informationen, die die Menge beschreiben, Informationen über Klassen und Beschreibung eines einzelnen Objekts, ohne seine Zugehörigkeit zu einer bestimmten Klasse anzugeben. Aufgabe: Bestimmen Sie anhand der verfügbaren Daten, zu welcher Klasse ein Objekt gehört.

Wenn die Probleme monochrome Bilder enthalten, können sie als Funktionen auf einer Ebene betrachtet werden. Die Funktion wird eine formale Aufzeichnung des Bildes sein und an jedem Punkt eine bestimmte Eigenschaft dieses Bildes ausdrücken - optische Dichte, Transparenz, Helligkeit usw. In diesem Fall ist das Modell des Bildsatzes der Satz von Funktionen auf der Ebene. Die Formulierung des Anerkennungsproblems hängt davon ab, wie die Stadien nach der Anerkennung aussehen sollen.

Zu den Methoden der Mustererkennung gehören die Experimente von F. Rosenblatt, der das Konzept eines Gehirnmodells einführte. Die Aufgabe des Experiments besteht darin, zu zeigen, wie psychologische Phänomene in einem physikalischen System mit bekannten funktionellen Eigenschaften und Strukturen entstehen. Der Wissenschaftler beschrieb die einfachsten Experimente zur Erkennung, aber ihr Merkmal ist ein nicht deterministischer Lösungsalgorithmus.

Das einfachste Experiment, auf dessen Grundlage psychologisch bedeutsame Informationen über das System gewonnen werden können, ist folgendes: Dem Perzeptron wird eine Folge von zwei verschiedenen Reizen präsentiert, auf die es jeweils in irgendeiner Weise reagieren muss, und zwar für unterschiedliche Reize Die Reaktion muss anders sein. Der Zweck eines solchen Experiments kann unterschiedlich sein. Der Experimentator kann vor die Aufgabe gestellt werden, die Möglichkeit einer spontanen Unterscheidung durch das System der dargebotenen Stimuli ohne Einmischung von außen oder umgekehrt die Möglichkeit einer erzwungenen Erkennung zu untersuchen. Im zweiten Fall bringt der Experimentator dem System das Klassifizieren bei verschiedene Objekte, die mehr als zwei sein können. Die Lernerfahrung läuft folgendermaßen ab: Dem Perzeptron werden Bilder präsentiert, darunter sind Vertreter aller Klassen zu erkennen. Die richtige Reaktion wird gemäß den Regeln der Gedächtnismodifikation verstärkt. Danach präsentiert der Experimentator dem Perzeptron einen Kontrollreiz und bestimmt die Wahrscheinlichkeit, eine bestimmte Antwort für Bilder dieser Klasse zu erhalten. Der Steuerstimulus kann mit einem der in der Trainingssequenz präsentierten Objekte übereinstimmen oder sich von allen präsentierten Objekten unterscheiden. Abhängig davon ergeben sich folgende Ergebnisse:

  • · Unterscheidet sich der Kontrollreiz von allen zuvor dargebotenen Trainingsreizen, so untersucht das Experiment neben der reinen Diskrimination auch die Elemente der Generalisierung.
  • · Wenn der Kontrollreiz die Aktivierung einer bestimmten Gruppe sensorischer Elemente verursacht, die mit keinem der Elemente zusammenfallen, die unter dem Einfluss von Reizen derselben Klasse aktiviert wurden, die früher präsentiert wurden, dann untersucht das Experiment eine reine Verallgemeinerung und tut dies nicht umfassen das Studium der Anerkennung.

Obwohl Perzeptrone nicht zur reinen Verallgemeinerung fähig sind, bewältigen sie Erkennungsaufgaben zufriedenstellend, insbesondere dann, wenn Bilder gezeigt werden, mit denen das Perzeptron bereits Erfahrung hat.

Menschliche Spracherkennung und maschinelle Übersetzung.

Zu den langfristigen Zielen der künstlichen Intelligenz gehört die Erstellung von Programmen, die die menschliche Sprache erkennen und daraus sinnvolle Sätze bilden können. Die Fähigkeit, natürliche Sprache zu verstehen und anzuwenden, ist ein grundlegendes Merkmal der menschlichen Intelligenz. Eine erfolgreiche Automatisierung dieser Fähigkeit würde Computer viel effizienter machen. Bis heute wurden viele Programme geschrieben, die natürliche Sprache verstehen können, und sie werden in begrenzten Kontexten erfolgreich angewendet, aber bisher gibt es keine Systeme, die natürliche Sprachen mit der gleichen Allgemeingültigkeit und Flexibilität wie eine Person anwenden können. Tatsache ist, dass der Prozess des Verstehens natürlicher Sprache nicht nur ein einfaches Zerlegen von Sätzen in Bestandteile und das Suchen nach der Bedeutung einzelner Wörter in Wörterbüchern ist. Genau das können die Programme gut. Die Verwendung der menschlichen Sprache erfordert umfangreiche Kenntnisse über das Gesprächsthema, über die damit verbundenen Redewendungen, außerdem die Fähigkeit, Mehrdeutigkeiten, Auslassungen, Professionalität, Jargon, umgangssprachliche Ausdrücke und viele andere Dinge zu verstehen, die der normalen menschlichen Sprache innewohnen .

Ein Beispiel ist ein Gespräch über Fußball, in dem Wörter wie „Stürmer“, „Pass“, „Transfer“, „Elfmeter“, „Verteidiger“, „Stürmer“, „Kapitän“ und andere verwendet werden. Jedes dieser Wörter ist durch eine Reihe von Bedeutungen gekennzeichnet, und einzeln sind die Wörter durchaus verständlich, aber ein daraus zusammengesetzter Satz wird für jeden unverständlich sein, der Fußball nicht mag und nichts über die Geschichte, Regeln und Prinzipien davon weiß Spiel. Daher ist eine Menge Hintergrundwissen erforderlich, um die menschliche Sprache zu verstehen und anzuwenden, und eines der Hauptprobleme bei der Automatisierung des Verständnisses und der Anwendung natürlicher menschlicher Sprache ist die Sammlung und Systematisierung dieses Wissens.

Soweit semantische Bedeutungen in der künstlichen Intelligenz weit verbreitet sind, haben Wissenschaftler eine Reihe von Methoden entwickelt, mit denen sie sich einigermaßen strukturieren lassen. Die meiste Arbeit wird jedoch in Problembereichen geleistet, die gut verstanden und spezialisiert sind. Ein Beispiel ist die "Mikrowelt"-Technik. Eines der ersten Programme, in dem es verwendet wurde, war das von Terry Winograd entwickelte SHRDLU-Programm, das eines der Systeme zum Verstehen menschlicher Sprache ist. Die Möglichkeiten des Programms waren recht begrenzt und reduzierten sich auf ein „Gespräch“ über die Lage von Blöcken unterschiedlicher Farbe und Form sowie die Planung einfachster Aktionen. Die Sendung gab Antworten auf Fragen wie "Welche Farbe hat die Pyramide auf dem Querbalken?" und könnte Anweisungen geben wie "Setze einen blauen Block auf einen roten." Solche Aufgaben wurden oft von Forschern der künstlichen Intelligenz berührt und wurden später als „Welt der Blöcke“ bekannt.

Trotz der Tatsache, dass das SHRDLU-Programm erfolgreich über die Position der Blöcke „sprach“, war es nicht mit der Fähigkeit ausgestattet, von diesem „Mikrokosmos“ zu abstrahieren. Es wurden Methoden verwendet, die zu einfach waren, um die semantische Organisation von Themenbereichen höherer Komplexität zu vermitteln.

Aktuelle Arbeiten auf dem Gebiet des Verstehens und Anwendens natürlicher Sprachen zielen hauptsächlich darauf ab, hinreichend allgemeine Repräsentationsformalismen zu finden, die an die spezifischen Strukturen gegebener Bereiche angepasst und in einem breiten Anwendungsspektrum angewendet werden können. Die meisten existierenden Techniken, die Modifikationen von semiotischen Netzwerken sind, werden untersucht und in Schreibprogrammen angewendet, die natürliche Sprache in engen Fachgebieten erkennen können. Gleichzeitig, moderne Möglichkeiten erlauben Sie nicht, ein universelles Programm zu erstellen, das in der Lage ist, die menschliche Sprache in ihrer ganzen Vielfalt zu verstehen.

Unter der Vielzahl von Problemen der Mustererkennung lassen sich folgende unterscheiden:

  • Klassifizierung von Dokumenten
  • Bestimmung von Mineralvorkommen
  • Bilderkennung
  • · Barcode-Erkennung
  • Zeichenerkennung
  • · Spracherkennung
  • Gesichtserkennung
  • · Kennzeichenerkennung

Künstliche Intelligenz in Spielprogrammen.

Die künstliche Intelligenz im Spiel umfasst nicht nur die Methoden der traditionellen KI, sondern auch die Algorithmen der Informatik im Allgemeinen, der Computergrafik, der Robotik und der Steuerungstheorie. Nicht nur die Systemanforderungen, sondern auch das Budget des Spiels hängen davon ab, wie die KI implementiert ist. Entwickler müssen also abwägen und versuchen sicherzustellen, dass das Spiel mit künstlicher Intelligenz zu minimalen Kosten erstellt wird ist interessant und anspruchslos an Ressourcen. Es verfolgt einen völlig anderen Ansatz als bei der traditionellen künstlichen Intelligenz. Insbesondere Nachahmungen, Täuschungen und verschiedene Vereinfachungen sind weit verbreitet. Beispiel: Ein Merkmal von Ego-Shootern ist die Fähigkeit von Bots, sich genau zu bewegen und sofort zu zielen, aber gleichzeitig hat eine Person keine einzige Chance, sodass die Fähigkeiten von Bots künstlich unterschätzt werden. Gleichzeitig werden Checkpoints auf dem Level platziert, damit die Bots als Team agieren, Hinterhalte einrichten etc. Bild der künstlichen Intelligenz

In Computerspielen, die von der künstlichen Spielintelligenz gesteuert werden, sind die folgenden Kategorien von Charakteren vorhanden:

  • Mobs - Charaktere mit niedriges Niveau Intelligenz, die dem menschlichen Spieler feindlich gesinnt ist. Spieler zerstören Mobs, um das Territorium zu passieren, Artefakte und Erfahrungspunkte zu erhalten.
  • · Nicht-Spieler-Charaktere – normalerweise sind diese Charaktere dem Spieler gegenüber freundlich oder neutral.
  • · Bots – den Spielern feindlich gesinnte Charaktere, die am schwierigsten zu programmieren sind. Ihre Fähigkeiten nähern sich denen der Spielcharaktere an. Zu jedem Zeitpunkt stellt sich eine bestimmte Anzahl von Bots dem Spieler entgegen.

Innerhalb eines Computerspiels gibt es viele Bereiche, in denen die unterschiedlichsten heuristischen Algorithmen der künstlichen Spielintelligenz verwendet werden. Die am weitesten verbreitete Spiel-KI ist eine der Möglichkeiten, Nicht-Spieler-Charaktere zu steuern. Eine andere ebenso verbreitete Methode zur Steuerung ist das Scripting. Eine weitere offensichtliche Verwendung der Spiel-KI, insbesondere in Echtzeit-Strategiespielen, ist die Wegfindung oder eine Methode, um zu bestimmen, wie ein NPC von einem Punkt auf der Karte zu einem anderen gelangen kann. Gleichzeitig müssen Hindernisse, Gelände und ein möglicher „Fog of War“ berücksichtigt werden. Auch das dynamische Ausbalancieren von Mobs ist ohne den Einsatz künstlicher Intelligenz nicht vollständig. Viele Spiele haben das Konzept der unvorhersehbaren Intelligenz ausprobiert. Dies sind Spiele wie Nintendogs, Black & White, Creatures und das bekannte Tamagotchi-Spielzeug. In diesen Spielen sind die Charaktere Haustiere, deren Verhalten sich entsprechend den Aktionen des Spielers ändert. Die Charaktere scheinen in der Lage zu sein, zu lernen, obwohl ihre Handlungen tatsächlich das Ergebnis einer Auswahl aus einer begrenzten Auswahl von Möglichkeiten sind.

Viele Spieleprogrammierer betrachten jede Technik, die die Illusion von Intelligenz erzeugt, als Teil der künstlichen Intelligenz von Spielen. Dieser Ansatz ist jedoch nicht ganz richtig, da die gleichen Techniken nicht nur in Spiel-KI-Engines verwendet werden können. Beispielsweise werden beim Erstellen von Bots Algorithmen verwendet, in die Informationen über mögliche zukünftige Kollisionen eingegeben werden, wodurch Bots die „Fähigkeit“ erwerben, diese Kollisionen zu vermeiden. Aber dieselben Techniken sind ein wichtiger und notwendiger Bestandteil einer Physik-Engine. Ein weiteres Beispiel: Eine wichtige Komponente des Zielsystems eines Bots sind Wasserdaten, und dieselben Daten werden häufig in der Grafik-Engine beim Rendern verwendet. Das letzte Beispiel ist Scripting. Dieses Tool kann in allen Aspekten erfolgreich angewendet werden Spieleentwicklung, aber meistens wird es als eine der Möglichkeiten angesehen, die Aktionen von NPCs zu kontrollieren.

Laut Puristen hat der Ausdruck „Game Artificial Intelligence“ keine Daseinsberechtigung, da er übertrieben ist. Als Hauptargument führen sie an, dass nur Teilbereiche der Wissenschaft über klassische künstliche Intelligenz in der Spiele-KI zum Einsatz kommen. Es sollte auch berücksichtigt werden, dass die Ziele der KI die Schaffung selbstlernender Systeme und sogar die Schaffung einer künstlichen Intelligenz sind, die in der Lage ist, zu argumentieren, während sie sich oft auf Heuristiken und eine Reihe von Faustregeln beschränkt, die zum Erstellen ausreichen gutes Gameplay und bieten dem Spieler lebendige Eindrücke und das Spielgefühl.

Derzeit zeigen Computerspielentwickler Interesse an akademischer KI, und die akademische Gemeinschaft beginnt sich ihrerseits für Computerspiele zu interessieren. Dabei stellt sich die Frage, inwieweit sich Spiel und klassische KI voneinander unterscheiden. Gleichzeitig gilt Gaming Artificial Intelligence immer noch als einer der Unterzweige der klassischen. Dies liegt daran, dass künstliche Intelligenz verschiedene Anwendungsbereiche hat, die sich voneinander unterscheiden. Wenn wir über Spielintelligenz sprechen, ist ein wichtiger Unterschied hier die Möglichkeit des Schummelns, um einige Probleme auf „legitime“ Weise zu lösen. Einerseits hat Täuschung den Nachteil, dass sie oft zu unrealistischem Charakterverhalten führt und aus diesem Grund nicht immer eingesetzt werden kann. Andererseits ist die bloße Möglichkeit einer solchen Täuschung ein wichtiger Unterschied zwischen Spiel-KI.

Eine weitere interessante Aufgabe der künstlichen Intelligenz ist es, einem Computer das Schachspielen beizubringen. An seiner Lösung waren Wissenschaftler aus aller Welt beteiligt. Die Besonderheit dieser Aufgabe besteht darin, dass die Demonstration der logischen Fähigkeiten des Computers nur in Anwesenheit eines realen Gegners möglich ist. Die erste derartige Demonstration fand 1974 in Stockholm statt, wo die Schachweltmeisterschaft unter den Schachprogrammen stattfand. Dieser Wettbewerb wurde vom Kaissa-Programm gewonnen, das von sowjetischen Wissenschaftlern des Instituts für Managementprobleme der Akademie der Wissenschaften der UdSSR in Moskau ins Leben gerufen wurde.

Künstliche Intelligenz in der maschinellen Kreativität.

Die Natur des menschlichen Intellekts wurde noch nicht ausreichend erforscht, und der Grad der Erforschung der Natur der menschlichen Kreativität ist noch geringer. Einer der Bereiche der künstlichen Intelligenz ist jedoch die maschinelle Kreativität. Moderne Computer erstellen musikalische, literarische und bildliche Werke, und die Computerspiel- und Filmindustrie verwendet seit langem realistische Bilder, die von Maschinen erstellt wurden. Vorhandene Programme erzeugen verschiedene Bilder, die von einer Person leicht wahrgenommen und verstanden werden können. Dies ist besonders wichtig, wenn es um intuitives Wissen geht, für dessen formalisierte Überprüfung man erhebliche geistige Anstrengungen unternehmen müsste. Musikalische Aufgaben werden also erfolgreich mit einer Programmiersprache gelöst, eine davon ist die CSound-Sprache. Speziell Software, mit deren Hilfe musikalische Werke entstehen, wird durch algorithmische Kompositionsprogramme, interaktive Kompositionssysteme, Klangsynthese- und Verarbeitungssysteme repräsentiert.

Expertensysteme.

Die Entwicklung moderner Expertensysteme wurde von Forschern seit den frühen 1970er Jahren durchgeführt, und in den frühen 1980er Jahren begann die Entwicklung von Expertensystemen auf kommerzieller Basis. Die Prototypen von Expertensystemen, die 1832 vom russischen Wissenschaftler S. N. Korsakov vorgeschlagen wurden, waren mechanische Geräte, sogenannte "intelligente Maschinen", die es ermöglichten, eine Lösung zu finden, die von gegebenen Bedingungen geleitet wurde. Beispielsweise wurden die beim Patienten beobachteten Krankheitssymptome analysiert und auf der Grundlage der Ergebnisse dieser Analyse die am besten geeigneten Medikamente vorgeschlagen.

Die Informatik betrachtet Expertensysteme zusammen mit Wissensbasen. Systeme sind Modelle von Expertenverhalten, die auf der Anwendung von Entscheidungsverfahren und logischen Schlussfolgerungen basieren. Wissensbasen werden als eine Reihe von Inferenzregeln und Fakten betrachtet, die in direktem Zusammenhang mit dem gewählten Tätigkeitsbereich stehen.

Ende des letzten Jahrhunderts entwickelte sich ein bestimmtes Konzept von Expertensystemen, das sich stark an einer damals allgemein akzeptierten textuellen Mensch-Maschine-Schnittstelle orientierte. Derzeit befindet sich dieses Konzept in einer schweren Krise, offenbar aufgrund der Tatsache, dass in Benutzeranwendungen die Textschnittstelle durch eine grafische ersetzt wurde. Außerdem sind das relationale Datenmodell und die „klassische“ Sicht auf den Aufbau von Expertensystemen wenig konsistent. Folglich kann die Organisation von Wissensbasen von Expertensystemen zumindest unter Verwendung moderner Systeme nicht effektiv durchgeführt werden industrielle Systeme Datenbankmanagement. Zahlreiche Beispiele für Expertensysteme sind in der Literatur und in Online-Quellen angegeben, die als „allgemein“ oder „allgemein bekannt“ bezeichnet werden. Tatsächlich wurden all diese Expertensysteme bereits in den 80er Jahren des letzten Jahrhunderts entwickelt und existieren inzwischen entweder nicht mehr oder sind hoffnungslos veraltet und existieren dank einiger Enthusiasten. Auf der anderen Seite Entwickler von Modern Softwareprodukte beziehen sich oft auf ihre Kreationen als Expertensysteme. Solche Aussagen sind nichts weiter als ein Marketing-Trick, denn in Wirklichkeit sind diese Produkte keine Expertensysteme (als Beispiel kann eines der computerrechtlichen Referenzsysteme dienen). Enthusiasten versuchen, Ansätze zum Erstellen einer Benutzerschnittstelle mit "klassischen" Ansätzen zum Erstellen von Expertensystemen zu kombinieren. Diese Bemühungen spiegeln sich in Projekten wie CLIPS.NET, CLIPS Java Native Interface und anderen wider, aber große Softwareunternehmen haben es nicht eilig, solche Projekte zu finanzieren, und aus diesem Grund kommt die Entwicklung nicht über das experimentelle Stadium hinaus.

Die ganze Vielfalt der Anwendungsgebiete wissensbasierter Systeme lässt sich in Klassen einteilen: medizinische Diagnostik, Planung, Prognose, Steuerung und Management, Training, Interpretation, Fehlerdiagnose in elektrischen und mechanischen Geräten, Training. Sehen wir uns jede dieser Klassen genauer an.

a) Medizinische Diagnosesysteme.

Mit Hilfe solcher Systeme wird festgestellt, wie verschiedene Störungen in der Körperaktivität und deren mögliche Gründe. Das bekannteste Diagnosesystem ist MYCIN. Es wird zur Diagnose von Meningitis und bakteriellen Infektionen sowie zur Überwachung des Zustands von Patienten mit diesen Erkrankungen eingesetzt. Die erste Version des Systems wurde in den 70er Jahren entwickelt. Bis heute haben sich seine Fähigkeiten erheblich erweitert: Das System stellt Diagnosen auf demselben professionelles Niveau, als Facharzt, und kann in verschiedenen Bereichen der Medizin eingesetzt werden.

b) Vorhersagesysteme.

Systeme sind darauf ausgelegt, Ereignisse oder die Ergebnisse von Ereignissen auf der Grundlage verfügbarer Daten vorherzusagen, die die aktuelle Situation oder den Zustand eines Objekts charakterisieren. So ist das Wall Street Conquest-Programm, das in seiner Arbeit statistische Methoden von Algorithmen verwendet, in der Lage, Marktbedingungen zu analysieren und einen Investitionsplan zu entwickeln. Das Programm verwendet die Algorithmen und Verfahren der traditionellen Programmierung und kann daher nicht als wissensbasiertes System eingestuft werden. Schon heute gibt es Programme, die durch Auswertung der verfügbaren Daten Fahrgastströme, Ernteerträge und Wetter vorhersagen können. Solche Programme sind ziemlich einfach und einige von ihnen können auf normalen Personalcomputern verwendet werden. Allerdings gibt es noch keine Expertensysteme, die auf Basis von Marktdaten Vorschläge zur Kapitalerhöhung machen könnten.

c) Planung.

Planungssysteme sind darauf ausgelegt, Probleme zu lösen große Zahl Variablen, um bestimmte Ergebnisse zu erzielen. Zum ersten Mal drin kaufmännischer Bereich solche Systeme wurden von der Damaskus-Firma Informat verwendet. 13 Stationen ließen die Firmenleitung in der Bürolobby installieren, die Käufern, die einen Computer kaufen wollten, kostenlose Beratungsgespräche ermöglichten. Die Maschinen halfen dabei, eine Auswahl zu treffen, die dem Budget und den Wünschen des Käufers am besten entspricht. Expertensysteme wurden auch von Boeing für Zwecke wie die Reparatur von Hubschraubern, die Bestimmung der Ausfallursachen von Flugzeugtriebwerken und den Entwurf von Raumstationen eingesetzt. DEC hat das XCON-Expertensystem entwickelt, das in der Lage ist, VAX-Computersysteme zu bestimmen und neu zu konfigurieren, um Kundenanforderungen zu erfüllen. DEC entwickelt derzeit ein leistungsfähigeres XSEL-System, das die XCON-Wissensdatenbank enthält. Der Zweck der Erstellung des Systems besteht darin, Verbrauchern bei der Auswahl eines Computersystems mit der erforderlichen Konfiguration zu helfen. Der Unterschied zwischen XSEL und XCON besteht darin, dass es interaktiv ist.

d) Auslegung.

Interpretierende Systeme sind in der Lage, auf der Grundlage der Beobachtungsergebnisse Schlussfolgerungen zu ziehen. Eines der bekanntesten Interpretationssysteme ist das PROSPECTOR-System. Es arbeitet mit Daten, die auf dem Wissen von neun Experten basieren. Die Wirksamkeit des Systems lässt sich anhand eines Beispiels beurteilen: anhand von neun verschiedene Methoden Untersuchung entdeckte das System ein Erzvorkommen, von dessen Vorhandensein kein Experte ausgehen konnte. Ein weiteres bekanntes interpretatives System ist HASP/SIAP. Sie nutzt Daten akustische Systeme Ortung und bestimmt auf ihrer Grundlage den Standort von Schiffen Pazifik See und ihre Typen.

e) Intelligente Kontroll- und Managementsysteme.

Expertensysteme werden erfolgreich zur Steuerung und Verwaltung eingesetzt. Sie sind in der Lage, Daten aus mehreren Quellen zu analysieren und Entscheidungen auf der Grundlage der Analyseergebnisse zu treffen. Solche Systeme sind in der Lage, eine medizinische Überwachung durchzuführen und die Bewegung von Flugzeugen zu steuern, außerdem werden sie auf verwendet Atomkraftwerke. Außerdem werden mit ihrer Hilfe die Finanztätigkeit des Unternehmens reguliert und Lösungen in kritischen Situationen entwickelt.

f) Diagnose und Fehlersuche an elektrischen und mechanischen Geräten.

Wissensbasierte Systeme werden in folgenden Fällen eingesetzt:

Reparatur von Diesellokomotiven, Kraftfahrzeugen und anderen elektrischen und mechanischen Geräten;

Diagnose und Beseitigung von Fehlern und Fehlfunktionen in Software und Hardware von Computern.

g) Computersysteme für Bildung.

Der Einsatz wissensbasierter Systeme für Bildungszwecke ist sehr effektiv. Das System analysiert das Verhalten und die Aktivität des Objekts und ändert gemäß den erhaltenen Informationen die Wissensbasis. Das einfachste Beispiel solche Ausbildung Computerspiel, in dem die Level mit zunehmendem Können des Spielers schwieriger werden. Ein interessantes Trainingssystem - EURISCO - wurde von D. Lenat entwickelt. Es verwendet einfache Heuristiken. Das System wurde in einer Spielsimulation angewendet Kampf. Die Essenz des Spiels besteht darin, die optimale Zusammensetzung der Flottille zu bestimmen, die Niederlagen verursachen könnte, indem viele Regeln eingehalten werden. Das System hat diese Aufgabe erfolgreich gemeistert, einschließlich in der Zusammensetzung der Flottille ein kleines Schiff und mehrere Schiffe, die einen Angriff durchführen können. Die Spielregeln änderten sich jedes Jahr, aber das EURISCO-System hat über drei Jahre konstant gewonnen.

Es gibt viele Expertensysteme, die je nach Wissensinhalt mehreren Typen gleichzeitig zugeordnet werden können. Beispielsweise kann ein System, das die Planung durchführt, auch ein lernendes System sein. Es ist in der Lage, den Kenntnisstand des Schülers zu ermitteln und auf der Grundlage dieser Informationen einen Lehrplan zu erstellen. Leitsysteme dienen der Planung, Prognose, Diagnose und Steuerung. Systeme zum Schutz eines Hauses oder einer Wohnung können Veränderungen in der Umgebung verfolgen, die Entwicklung der Situation vorhersagen und einen Plan für das weitere Vorgehen erstellen. Zum Beispiel hat sich ein Fenster geöffnet und ein Dieb versucht, den Raum dadurch zu betreten, daher ist es notwendig, die Polizei zu rufen.

Die weit verbreitete Verwendung von Expertensystemen begann in den 1980er Jahren, als sie erstmals kommerziell eingeführt wurden. ES werden in vielen Bereichen eingesetzt, darunter Wirtschaft, Wissenschaft, Technologie, Fertigung und andere Branchen, die sich durch ein klar definiertes Fachgebiet auszeichnen. „Wohl definiert“ bedeutet in diesem Zusammenhang, dass eine Person den Ablauf des Denkens in getrennte Phasen unterteilen kann und somit jedes Problem, das in den Bereich dieses Bereichs fällt, gelöst werden kann. Daher kann ein Computerprogramm ähnliche Aktionen ausführen. Man kann mit Sicherheit sagen, dass der Einsatz künstlicher Intelligenz der Menschheit unendliche Möglichkeiten eröffnet.

Die Entwicklung künstlicher Intelligenz ist eine Frage der Zeit. Früher oder später werden Maschinen bei Tätigkeiten, die Denkprozesse erfordern, gleichberechtigt mit Menschen konkurrieren können. Kürzlich schlug Marcus du Sautoy, Mathematikprofessor an der Universität Oxford, vor, dass empfindungsfähige Technologien rechtlich mit Menschen gleichgesetzt werden könnten.


Künstliche Intelligenz ist zum Schriftsteller geworden

Computer "Selbstbewusstsein"

Technologien werden nach Ansicht vieler Wissenschaftler über kurz oder lang die Möglichkeit haben, ihre Intelligenz eigenständig zu entwickeln. Dieser Vorgang wird als „technologische Singularität“ bezeichnet. „Irgendwann werden wir sagen können, dass dieses Ding ein Bewusstsein von sich selbst hat, und vielleicht wird dies die Grenze sein, hinter der dieses Bewusstsein entsteht“, sagt du Sotoy.

Aber wie erkennt man, ob eine Maschine „selbstbewusst“ ist? Derzeit wird der „Turing-Test“ verwendet, um das Niveau der künstlichen Intelligenz zu bestimmen. Sein Wesen liegt darin, dass der Experte das Gespräch zwischen Mensch und Maschine zu bestimmten Themen auswertet. Gleichzeitig weiß er im Voraus nicht, welches dieser beiden ein Computerprogramm und welches ein menschlicher Operator ist ... Wenn es dem Experten schwer fällt zu sagen, wer von ihnen wer ist, gilt die Prüfung als bestanden.

Laut dem amerikanischen Erfinder und Zukunftsforscher Ray Kurzweil wird es bis 2029 Maschinen geben, die den Turing-Test bestehen können, und in den 2040er Jahren wird die künstliche Intelligenz die menschliche um das Milliardenfache übertreffen.

Die neueste Generation verwendet Strukturen, die die neuronale Aktivität des Gehirns nachahmen. Somit ist der Scanvorgang in der Lage, das Vorhandensein von Bewusstsein aufzudecken. Wie? Nun, zum Beispiel funktionieren bei einer Person Neuronen in einem bewussten und unbewussten (z. B. schlafenden) Zustand unterschiedlich. Wenn das Computergehirn im Bewusstsein wie ein menschliches Gehirn reagiert, dann bedeutet das, dass es existiert!

Drei Arten von künstlicher Intelligenz

Und was ist eigentlich unter dem Ausdruck "" zu verstehen? Experten zufolge kann es drei Arten geben.

Der erste Typ ist eng fokussiert und kann nur eine Reihe von Aufgaben ausführen bestimmte Funktionen. Das sind zum Beispiel elektronische Assistenten, Autoparkroboter oder Programme, die Schach spielen.

Der zweite Typ ist die allgemeine KI. Es ist dem Menschen am nächsten. Das sind in erster Linie Humanoide, die uns möglichst ähnlich sind. Sie können die Rolle von Trägern in Hotels, Beratern in Geschäften, Rettungsschwimmern spielen ... Sie werden gelehrt, menschliche Emotionen nachzuahmen, um die Interaktion mit einer Person konstruktiver zu gestalten.

Der dritte Typ ist Superintelligenz. Genau davor fürchten sich einige Zukunftsforscher und Science-Fiction-Autoren ... Die Fähigkeiten einer solchen Intelligenz werden die menschlichen bei weitem übersteigen. Höchstwahrscheinlich werden sich solche "hochintelligenten" Geräte irgendwann zu einem mächtigen Netzwerk wie Skynet aus "Terminator" vereinen ...

Kein SkyNet!

Stellen wir uns zunächst einmal vor, Computer seien in der Lage, sich selbst als "Personen" zu erkennen. Nehmen wir an, sie „verstehen“, wenn sie verletzt werden. Nehmen wir an, sie reinigen es nicht rechtzeitig oder klopfen im Falle eines Einfrierens mit der Faust auf das Gehäuse ... Oder sie überlasten einfach den Prozessor und den Speicher mit Arbeit ...

Wenn es das Konzept „Tierquälerei“ gibt, warum dann nicht das Konzept „Computerquälerei“? Vergessen Sie dabei nicht, dass künstliche Intelligenz wahrscheinlich viel schlauer ist als jedes Tier. Und wenn ja, dann ist es notwendig, elektronischen Systemen die Möglichkeit zu geben, ihre Rechte zu wahren!

"KI-Computer könnten sehr bald ihren eigenen Kodex mit 'Rechten' haben, der es ihnen ermöglichen könnte, Sie wegen Vernachlässigung zu verklagen", prognostiziert Du Sautoy.

Aber vielleicht ist nicht alles so schrecklich? Während der jüngsten Code 2016-Konferenz sprach der Unternehmer Elon Musk, der die gemeinnützige Organisation im vergangenen Jahr gegründet hatte Organisation geöffnet KI, deren Ziel es ist, freundliche künstliche Intelligenz zu schaffen und zu entwickeln, kündigte an, dass Menschen und Hochtechnologie in Zukunft lernen sollten, eng miteinander zu interagieren. Insbesondere wird ein Mensch der Zukunft in der Lage sein, einen virtuellen Avatar, der in ein spezielles Netzwerk integriert ist, mit seinem eigenen Gehirn zu verbinden.

Avatar-Aktionen werden kontrolliert intellektuelle Programme das wird ihnen nicht erlauben, jemandem oder irgendetwas zu schaden. „Die Entwicklung von Technologien im Zusammenhang mit künstlicher Intelligenz sollte nicht beängstigend sein“, sagte Musk, „ihre Präsenz und Entwicklung bedeutet nicht unbedingt, dass wir in Zukunft alle so etwas wie Skynet bekommen werden.“

  • Mustafina Nailya Mugattarowna, Bachelor Student
  • Baschkirische Staatliche Agraruniversität
  • Sharafutdinov Aidar Gazizyanovich, Kandidat der Wissenschaften, außerordentlicher Professor, außerordentlicher Professor
  • Baschkirische Staatliche Agraruniversität
  • RECHENMASCHINEN
  • TECHNIK
  • DIE WISSENSCHAFT
  • KÜNSTLICHE INTELLIGENZ

Heute entwickelt sich der wissenschaftliche und technologische Fortschritt rasant. Eine der schnell wachsenden Branchen ist die künstliche Intelligenz.

Heute entwickelt sich der technologische Fortschritt rasant. Die Wissenschaft steht nicht still und jedes Jahr entwickeln die Menschen immer fortschrittlichere Technologien. Eine der neuen Richtungen in der Entwicklung des technologischen Fortschritts ist die künstliche Intelligenz.

Vor mehr als 50 Jahren hörte die Menschheit zum ersten Mal von künstlicher Intelligenz. Es geschah auf einer Konferenz, die 1956 an der Dartmouth University stattfand, wo John McCarthy den Begriff klar und präzise definierte. „Künstliche Intelligenz ist die Wissenschaft vom Erstellen intelligenter Maschinen und Computerprogramme. Für die Zwecke dieser Wissenschaft werden Computer als Mittel verwendet, um die Eigenschaften der menschlichen Intelligenz zu verstehen, gleichzeitig sollte das Studium der KI nicht auf die Verwendung biologisch plausibler Methoden beschränkt sein.

Die künstliche Intelligenz moderner Computer ist auf einem ziemlich hohen Niveau, aber nicht auf dem Niveau, dass ihre Verhaltensfähigkeiten zumindest den primitivsten Tieren nicht unterlegen sind.

Das Ergebnis der Forschung zur "künstlichen Intelligenz" ist der Wunsch, die Arbeit des Gehirns zu verstehen, die Geheimnisse des menschlichen Bewusstseins und das Problem der Schaffung von Maschinen mit einem bestimmten Maß an menschlicher Intelligenz zu enthüllen. Die prinzipielle Möglichkeit der Modellierung intellektueller Prozesse folgt daraus, dass jede Funktion des Gehirns, jede geistige Aktivität, die von einer Sprache mit streng eindeutiger Semantik mit endlich vielen Wörtern beschrieben wird, prinzipiell auf einen elektronischen Digitalrechner übertragen werden kann.

Derzeit wurden einige Modelle der künstlichen Intelligenz in verschiedenen Bereichen entwickelt, aber es wurde noch kein Computer geschaffen, der in der Lage ist, Informationen in einem neuen Bereich zu verarbeiten.

Unter den wichtigsten Aufgabenklassen, die sich den Entwicklern intelligenter Systeme seit der Definition der künstlichen Intelligenz als Wissenschaftsrichtung gestellt haben, sind die folgenden hervorzuheben. Bereiche der künstlichen Intelligenz:

  • Beweis von Theoremen. Das Studium der Methoden zum Beweis von Theoremen gespielt wichtige Rolle bei der Entwicklung künstlicher Intelligenz. Viele informelle Probleme, zum Beispiel medizinische Diagnostik, verwenden die methodischen Ansätze, die verwendet wurden, um den Beweis von Theoremen beim Lösen zu automatisieren. Die Suche nach einem Beweis eines mathematischen Theorems erfordert nicht nur das Ableiten von Hypothesen, sondern auch Intuitionen darüber, welche Zwischenaussagen für den allgemeinen Beweis des Hauptsatzes bewiesen werden sollten.
  • Bilderkennung. Der Einsatz künstlicher Intelligenz zur Mustererkennung hat es ermöglicht, praktisch funktionierende Systeme zur Identifizierung von grafischen Objekten anhand ähnlicher Merkmale zu schaffen. Als Merkmale kommen beliebige Merkmale von zu erkennenden Objekten in Frage. Merkmale müssen gegenüber der Ausrichtung, Größe und Form von Objekten unveränderlich sein. Das Zeichenalphabet wird vom Systementwickler gebildet. Die Qualität der Erkennung hängt maßgeblich davon ab, wie gut das etablierte Merkmalsalphabet ist. Die Erkennung besteht darin, a priori einen Merkmalsvektor für ein auf dem Bild ausgewähltes separates Objekt zu erhalten und dann zu bestimmen, welchem ​​der Standards des Merkmalsalphabets dieser Vektor entspricht.
  • Maschinelle Übersetzung und Verständnis der menschlichen Sprache. Die Aufgabe, menschliche Sprachsätze anhand eines Wörterbuchs zu analysieren, ist eine typische Aufgabe von Systemen der künstlichen Intelligenz. Um dies zu lösen, wurde eine Zwischensprache geschaffen, um das Abgleichen von Phrasen zu erleichtern verschiedene Sprachen. Diese Zwischensprache wurde in Zukunft zu einem semantischen Modell zur Darstellung der Bedeutungen von zu übersetzenden Texten. Die Entwicklung des semantischen Modells hat zur Schaffung einer Sprache für die interne Repräsentation von Wissen geführt. Ergebend, moderne Systeme Führen Sie die Analyse von Texten und Phrasen in vier Hauptphasen durch: morphologische Analyse, syntaktische, semantische und pragmatische Analyse.
  • Spielprogramme. Die meisten Spielprogramme basieren auf wenigen Grundideen der künstlichen Intelligenz, wie Aufzählung von Optionen und Selbstlernen. Einer der meisten interessante Aufgaben im Bereich der Spielprogramme, die Methoden der künstlichen Intelligenz verwenden, ist es, einem Computer das Schachspielen beizubringen. Es wurde in den frühen Tagen der Informatik Ende der 1950er Jahre gegründet. Beim Schach gibt es bestimmte Niveaus der Geschicklichkeit, Qualitätsgrade des Spiels, die klare Kriterien für die Beurteilung des intellektuellen Wachstums des Systems liefern können. Daher waren Wissenschaftler aus der ganzen Welt aktiv am Computerschach beteiligt, und die Ergebnisse ihrer Errungenschaften werden in anderen intellektuellen Entwicklungen von wirklich praktischer Bedeutung verwendet.
  • Maschinelle Kreativität. Eines der Anwendungsgebiete der künstlichen Intelligenz sind Softwaresysteme, die eigenständig Musik, Gedichte, Geschichten, Artikel, Diplome und sogar Dissertationen erstellen können. Heute gibt es eine ganze Klasse musikalischer Programmiersprachen (zum Beispiel die C-Sound-Sprache). Für verschiedene musikalische Aufgaben wurde spezielle Software erstellt: Klangverarbeitungssysteme, Klangsynthese, interaktive Kompositionssysteme, algorithmische Kompositionsprogramme.
  • Expertensysteme. Methoden der künstlichen Intelligenz haben Anwendung bei der Erstellung von automatisierten Beratungssystemen oder Expertensystemen gefunden. Die ersten Expertensysteme wurden in den 1960er Jahren als Forschungswerkzeuge entwickelt. Es handelte sich um künstliche Intelligenzsysteme, die speziell für die Lösung entwickelt wurden herausfordernde Aufgaben in einem engen Fachgebiet, wie beispielsweise der medizinischen Diagnose von Krankheiten. Das klassische Ziel dieser Richtung war zunächst, ein Allzwecksystem für künstliche Intelligenz zu schaffen, das in der Lage wäre, jedes Problem ohne spezifische Kenntnisse auf dem Fachgebiet zu lösen. Aufgrund der begrenzten Kapazität der Rechenressourcen erwies sich dieses Problem als zu schwierig, um es mit einem akzeptablen Ergebnis zu lösen.

Wir können sagen, dass das Hauptziel der Entwicklung künstlicher Intelligenz die Optimierung ist. Stellen Sie sich nur vor, wie eine Person, ohne in Gefahr zu sein, andere Planeten untersuchen und Edelmetalle extrahieren könnte.

Daraus können wir schließen, dass das Studium und die Entwicklung der künstlichen Intelligenz hat Bedeutung für die ganze Gesellschaft. Denn durch den Einsatz dieses Systems ist es möglich, Menschenleben zu sichern und zu erleichtern.

Referenzliste

  1. Jasnizki L.N. Zu den Möglichkeiten des Einsatzes künstlicher Intelligenz [Elektronische Ressource]: wissenschaftlich E-Bibliothek. URL: http://cyberleninka.ru/ (abgerufen am 01.06.2016)
  2. Yastreb N.A. Künstliche Intelligenz [Elektronische Ressource]: wissenschaftliche elektronische Bibliothek. URL: http://cyberleninka.ru/ (abgerufen am 01.06.2016)
  3. Abdulatipova M.A. Künstliche Intelligenz [Elektronische Ressource]: wissenschaftliche elektronische Bibliothek. URL: http://cyberleninka.ru/ (abgerufen am 01.06.2016)