Inteligencia artificial (AI, inglés: Inteligencia artificial, AI): la ciencia y la tecnología de la creación de máquinas inteligentes, especialmente programas informáticos inteligentes. La IA está relacionada con la tarea similar de utilizar computadoras para comprender la inteligencia humana, pero no se limita necesariamente a métodos biológicamente plausibles.

¿Qué es la inteligencia artificial?

Inteligencia(del latín intellectus - sensación, percepción, comprensión, comprensión, concepto, razón), o mente - una cualidad de la psique que consiste en la capacidad de adaptarse a nuevas situaciones, la capacidad de aprender y recordar basándose en la experiencia, comprender y aplicar. conceptos abstractos y utilizar los conocimientos propios para la gestión ambiental. La inteligencia es la capacidad general de cognición y resolución de dificultades, que une todas las capacidades cognitivas humanas: sensación, percepción, memoria, representación, pensamiento, imaginación.

A principios de los años 1980. Los científicos computacionales Barr y Feigenbaum propusieron la siguiente definición inteligencia artificial(AI):


Posteriormente, una serie de algoritmos y sistemas de software comenzaron a clasificarse como IA, cuya propiedad distintiva es que pueden resolver algunos problemas de la misma manera que lo haría una persona que pensara en su solución.

Las principales propiedades de la IA son la comprensión del lenguaje, el aprendizaje y la capacidad de pensar y, lo más importante, actuar.

La IA es un complejo de tecnologías y procesos relacionados que se están desarrollando cualitativamente y rápidamente, por ejemplo:

  • procesamiento de textos en lenguaje natural
  • sistemas expertos
  • agentes virtuales (chatbots y asistentes virtuales)
  • sistemas de recomendación.

Investigación de IA

  • Articulo principal: Investigación en inteligencia artificial

Estandarización en IA

2018: Desarrollo de estándares en el campo de las comunicaciones cuánticas, la IA y las ciudades inteligentes.

El 6 de diciembre de 2018, el Comité Técnico “Sistemas Ciberfísicos” con base en RVC junto con el Centro Regional de Ingeniería “SafeNet” comenzaron a desarrollar un conjunto de estándares para los mercados de la Iniciativa Tecnológica Nacional (NTI) y la economía digital. Para marzo de 2019 está previsto desarrollar documentos técnicos de estandarización en el campo de las comunicaciones cuánticas, informó RVC. Leer más.

Impacto de la inteligencia artificial

Riesgo para el desarrollo de la civilización humana

Impacto en la economía y los negocios

  • El impacto de las tecnologías de inteligencia artificial en la economía y los negocios

Impacto en el mercado laboral

Sesgo de inteligencia artificial

En el centro de todo lo que constituye la práctica de la IA (traducción automática, reconocimiento de voz, procesamiento del lenguaje natural, visión por computadora, conducción automatizada y mucho más) se encuentra el aprendizaje profundo. Es un subconjunto del aprendizaje automático, caracterizado por el uso de modelos de redes neuronales, que se puede decir que imitan el funcionamiento del cerebro, por lo que sería exagerado clasificarlos como IA. Cualquier modelo de red neuronal se entrena con grandes conjuntos de datos, por lo que adquiere algunas "habilidades", pero sus creadores no tienen claro cómo las utiliza, lo que en última instancia se convierte en uno de los problemas más importantes para muchas aplicaciones de aprendizaje profundo. La razón es que dicho modelo trabaja formalmente con imágenes, sin comprender lo que hace. ¿Es un sistema de este tipo IA? ¿Se puede confiar en los sistemas basados ​​en el aprendizaje automático? El valor de la respuesta a última pregunta va más alla laboratorios científicos. Por lo tanto, la atención de los medios al fenómeno llamado sesgo de IA se ha intensificado notablemente. Puede traducirse como “sesgo de IA” o “sesgo de IA”. Leer más.

Mercado de tecnología de inteligencia artificial

Mercado de IA en Rusia

Mercado mundial de IA

Áreas de aplicación de la IA

Las áreas de aplicación de la IA son bastante amplias y cubren tanto tecnologías familiares como nuevas áreas emergentes que están lejos de una aplicación masiva, en otras palabras, esta es toda la gama de soluciones, desde aspiradoras hasta estaciones espaciales. Puede dividir toda su diversidad según el criterio de puntos clave de desarrollo.

La IA no es un área temática monolítica. Además, algunas áreas tecnológicas de la IA aparecen como nuevos subsectores de la economía y entidades separadas, al tiempo que sirven a la mayoría de las áreas de la economía.

El desarrollo del uso de la IA conduce a la adaptación de tecnologías en sectores clásicos de la economía a lo largo de toda la cadena de valor y los transforma, llevando a la algoritmización de casi todas las funcionalidades, desde la logística hasta la gestión empresarial.

Uso de IA para defensa y asuntos militares

Uso en educación

Usando IA en los negocios

IA en la industria de la energía eléctrica

  • A nivel de diseño: mejora de la previsión de la generación y la demanda de recursos energéticos, evaluación de la fiabilidad de los equipos de generación de energía, automatización del aumento de la generación cuando aumenta la demanda.
  • A nivel productivo: optimización del mantenimiento preventivo de los equipos, aumentando la eficiencia de generación, reduciendo pérdidas, previniendo el robo de recursos energéticos.
  • A nivel de promoción: optimización de precios en función del momento del día y facturación dinámica.
  • A nivel de prestación de servicios: selección automática del proveedor más rentable, estadísticas detalladas consumo, atención automatizada al cliente, optimización del consumo energético teniendo en cuenta los hábitos y comportamientos del cliente.

IA en la fabricación

  • A nivel de diseño: aumentar la eficiencia en el desarrollo de nuevos productos, evaluación automatizada de proveedores y análisis de requisitos de repuestos.
  • A nivel de producción: mejorar el proceso de realización de tareas, automatizar líneas de montaje, reducir el número de errores, reducir los tiempos de entrega de materias primas.
  • A nivel de promoción: previsión del volumen de servicios de soporte y mantenimiento, gestión de precios.
  • A nivel de prestación de servicios: mejorar la planificación de las rutas de la flota de vehículos, demanda de recursos de la flota, mejorar la calidad de la formación de los ingenieros de servicio.

IA en los bancos

  • Reconocimiento de patrones - usado incl. reconocer a los clientes en las sucursales y transmitirles ofertas especializadas.

IA en el transporte

  • La industria automotriz está al borde de una revolución: 5 desafíos de la era de la conducción no tripulada

IA en logística

IA en la elaboración de cerveza

Uso de la IA en la administración pública

IA en ciencia forense

  • Reconocimiento de patrones - usado incl. para identificar delincuentes en espacios públicos.
  • En mayo de 2018 se supo que la policía holandesa estaba utilizando inteligencia artificial para investigar delitos complejos.

Los organismos encargados de hacer cumplir la ley han comenzado a digitalizar más de 1.500 informes y 30 millones de páginas relacionadas con casos sin resolver, informa The Next Web. Los materiales de 1988 en adelante, en los que el crimen no se resolvió durante al menos tres años y el delincuente fue condenado a más de 12 años de prisión, se transfieren a formato informático.

Una vez digitalizado todo el contenido, se conectará a un sistema de aprendizaje automático que analizará los registros y decidirá qué casos utilizan la evidencia más confiable. Esto debería reducir el tiempo que lleva procesar casos y resolver delitos pasados ​​y futuros de varias semanas a un día.

La inteligencia artificial clasificará los casos según su “solubilidad” e indicará los posibles resultados de las pruebas de ADN. Luego se prevé automatizar el análisis en otras áreas. forense y tal vez incluso cubrir datos en áreas como Ciencias Sociales y declaraciones de testigos.

Además, como afirmó uno de los desarrolladores del sistema, Jeroen Hammer, en el futuro es posible que se lancen funciones API para socios.


La policía holandesa tiene unidad especial, especializada en el desarrollo de nuevas tecnologías para la resolución de delitos. Fue él quien creó el sistema de inteligencia artificial para buscar rápidamente a los delincuentes basándose en pruebas.

IA en el poder judicial

Los avances en el campo de la inteligencia artificial ayudarán a cambiar radicalmente el sistema judicial, haciéndolo más justo y libre de esquemas de corrupción. Esta opinión la expresó en el verano de 2017 Vladimir Krylov, doctor en ciencias técnicas y consultor técnico de Artezio.

El científico cree que las soluciones existentes en el campo de la IA se pueden aplicar con éxito en diversos sectores de la economía y vida publica. El experto señala que la IA se utiliza con éxito en medicina, pero en el futuro puede cambiar por completo el sistema judicial.

“Al mirar las noticias todos los días sobre los avances en el campo de la IA, uno se sorprende de la imaginación inagotable y la fecundidad de los investigadores y desarrolladores en este campo. Los informes sobre investigaciones científicas se intercalan constantemente con publicaciones sobre nuevos productos que irrumpen en el mercado e informes sobre resultados sorprendentes obtenidos mediante el uso de la IA en diversos campos. Si hablamos de eventos esperados, acompañados de un notable revuelo en los medios, en los que la IA volverá a convertirse en el héroe de las noticias, entonces probablemente no me arriesgaré a hacer pronósticos tecnológicos. Puedo suponer que el próximo acontecimiento será la aparición en algún lugar de un tribunal extremadamente competente en forma de inteligencia artificial, justo e incorruptible. Esto sucederá, aparentemente, en 2020-2025. Y los procesos que tendrán lugar en este tribunal conducirán a reflexiones inesperadas y al deseo de muchas personas de transferir a la IA la mayoría de los procesos de gestión de la sociedad humana”.

Uso de la inteligencia artificial en sistema judicial El científico lo reconoce como un “paso lógico” para desarrollar la igualdad y la justicia legislativa. La inteligencia artificial no está sujeta a la corrupción ni a las emociones, puede adherirse estrictamente al marco legislativo y tomar decisiones teniendo en cuenta muchos factores, incluidos los datos que caracterizan a las partes en la disputa. Por analogía con el campo médico, los jueces robot pueden operar con big data de repositorios de servicios gubernamentales. Se puede suponer que la inteligencia artificial podrá procesar datos rápidamente y tener en cuenta muchos más factores que un juez humano.

Los expertos psicólogos, sin embargo, creen que la ausencia de un componente emocional al considerar los casos judiciales afectará negativamente la calidad de la decisión. El veredicto de un tribunal mecánico puede ser demasiado sencillo y no tener en cuenta la importancia de los sentimientos y estados de ánimo de las personas.

Cuadro

En 2015, el equipo de Google probó redes neuronales para ver si podían crear imágenes por sí mismas. Luego se entrenó la inteligencia artificial utilizando una gran cantidad de imágenes diferentes. Sin embargo, cuando se le “pidió” a la máquina que representara algo por sí misma, resultó que interpretaba el mundo que nos rodea de una manera un tanto extraña. Por ejemplo, para la tarea de dibujar mancuernas, los desarrolladores recibieron una imagen en la que el metal estaba conectado. por manos humanas. Esto probablemente se debió a que durante la etapa de entrenamiento las imágenes analizadas con mancuernas contenían manos y la red neuronal lo interpretó incorrectamente.

El 26 de febrero de 2016, en una subasta especial celebrada en San Francisco, los representantes de Google recaudaron alrededor de 98.000 dólares de pinturas psicodélicas creadas mediante inteligencia artificial, fondos que fueron donados a organizaciones benéficas. A continuación se presenta una de las imágenes más exitosas del automóvil.

Un cuadro pintado por la inteligencia artificial de Google.

La definición de inteligencia artificial citada en el preámbulo, dada por John McCarthy en 1956 en una conferencia en la Universidad de Dartmouth, no está directamente relacionada con la comprensión de la inteligencia humana. Según McCarthy, los investigadores de IA son libres de utilizar técnicas que no se ven en humanos si es necesario para resolver problemas específicos.

Al mismo tiempo, existe un punto de vista según el cual la inteligencia sólo puede ser un fenómeno biológico.

Como señala el presidente de la filial de San Petersburgo de la Asociación Rusa de Inteligencia Artificial, T. A. Gavrilova, en idioma en Inglés frase inteligencia artificial no tiene esos matices antropomórficos ligeramente fantásticos que adquirió en la traducción al ruso, bastante fallida. Palabra inteligencia significa "la capacidad de razonar racionalmente", y en absoluto "inteligencia", para lo cual existe un análogo en inglés inteligencia .

Los participantes de la Asociación Rusa de Inteligencia Artificial dan las siguientes definiciones de inteligencia artificial:

Una de las definiciones particulares de inteligencia, común a una persona y una “máquina”, se puede formular de la siguiente manera: “La inteligencia es la capacidad de un sistema para crear programas (principalmente heurísticos) durante el autoaprendizaje para resolver problemas de una determinada clase. de complejidad y resolver estos problemas”.

Requisitos previos para el desarrollo de la ciencia de la inteligencia artificial

La historia de la inteligencia artificial como nueva dirección científica comienza a mediados del siglo XX. En ese momento, ya se habían formado muchos requisitos previos para su origen: entre los filósofos había habido durante mucho tiempo debates sobre la naturaleza del hombre y el proceso de comprensión del mundo, los neurofisiólogos y psicólogos habían desarrollado una serie de teorías sobre el trabajo del cerebro humano. y el pensamiento, los economistas y matemáticos hicieron preguntas cálculos óptimos y representación del conocimiento sobre el mundo en forma formalizada; Finalmente, nació la base de la teoría matemática del cálculo, la teoría de los algoritmos, y se crearon las primeras computadoras.

Las capacidades de las nuevas máquinas en términos de velocidad de computación resultaron ser mayores que las humanas, por lo que surgió la pregunta en la comunidad científica: ¿cuáles son los límites de las capacidades de las computadoras y si las máquinas alcanzarán el nivel de desarrollo humano? En 1950, uno de los pioneros en el campo. tecnologia computacional El científico inglés Alan Turing escribe un artículo titulado “¿Puede pensar una máquina?” , que describe un procedimiento mediante el cual será posible determinar el momento en que una máquina se vuelve igual a una persona en términos de inteligencia, llamado prueba de Turing.

Historia del desarrollo de la inteligencia artificial en la URSS y Rusia.

En la URSS, el trabajo en el campo de la inteligencia artificial comenzó en los años 1960. Se llevaron a cabo una serie de estudios pioneros en la Universidad de Moscú y en la Academia de Ciencias, dirigidas por Veniamin Pushkin y D. A. Pospelov. Desde principios de la década de 1960, M. L. Tsetlin y sus colegas han estado desarrollando cuestiones relacionadas con el entrenamiento de máquinas de estados finitos.

En 1964, el trabajo del lógico de Leningrado Sergei Maslov “ Método inverso establecimiento de deducibilidad en el cálculo de predicados clásico”, que fue el primero en proponer un método para buscar automáticamente pruebas de teoremas en el cálculo de predicados.

Hasta la década de 1970, en la URSS, todas las investigaciones sobre IA se llevaban a cabo en el marco de la cibernética. Según D. A. Pospelov, las ciencias "informática" y "cibernética" en ese momento estaban mezcladas debido a una serie de disputas académicas. Sólo a finales de la década de 1970 en la URSS comenzaron a hablar de la dirección científica "inteligencia artificial" como una rama de la informática. Al mismo tiempo, nació la propia informática, subordinando a su antecesora la “cibernética”. A finales de los años 1970 se creó Diccionario sobre inteligencia artificial, un libro de referencia en tres volúmenes sobre inteligencia artificial y un diccionario enciclopédico de informática, en el que se incluyen las secciones “Cibernética” e “Inteligencia artificial”, junto con otras secciones, de informática. El término "informática" se generalizó en la década de 1980, y el término "cibernética" desapareció gradualmente de la circulación, quedando sólo en los nombres de aquellas instituciones que surgieron durante la era del "boom cibernético" de finales de la década de 1950 y principios de la de 1960. Esta visión de la inteligencia artificial, la cibernética y la informática no es compartida por todos. Esto se debe al hecho de que en Occidente los límites de estas ciencias son algo diferentes.

Enfoques y direcciones

Enfoques para comprender el problema.

No existe una respuesta única a la pregunta de qué hace la inteligencia artificial. Casi todos los autores que escriben un libro sobre IA parten de alguna definición, considerando los logros de esta ciencia a su luz.

  • IA de arriba hacia abajo), semiótica: creación de sistemas expertos, bases de conocimiento y sistemas de inferencia lógica que simulan procesos mentales de alto nivel: pensamiento, razonamiento, habla, emociones, creatividad, etc.;
  • Bottom-Up AI), biológico: el estudio de redes neuronales y cálculos evolutivos que modelan el comportamiento inteligente basándose en elementos biológicos, así como la creación de los sistemas informáticos correspondientes, como una neurocomputadora o una biocomputadora.

Este último enfoque, estrictamente hablando, no pertenece a la ciencia de la IA en el sentido dado por John McCarthy: sólo los une un objetivo final común.

La prueba de Turing y el enfoque intuitivo

Este enfoque se centra en aquellos métodos y algoritmos que ayudarán a un agente inteligente a sobrevivir en su entorno mientras realiza su tarea. Entonces, aquí se estudian con mucho más cuidado los algoritmos para encontrar un camino y tomar decisiones.

Enfoque híbrido

Enfoque híbrido asume que solo la combinación sinérgica de modelos neuronales y simbólicos logra la gama completa de capacidades cognitivas y computacionales. Por ejemplo, las redes neuronales pueden generar reglas de inferencia expertas y las reglas generativas se obtienen mediante el aprendizaje estadístico. Los defensores de este enfoque creen que los sistemas de información híbridos serán mucho más fuertes que la suma de varios conceptos por separado.

Modelos y métodos de investigación.

Modelado simbólico de procesos de pensamiento.

Al analizar la historia de la IA, podemos identificar un área tan amplia como modelado de razonamiento. Largos años El desarrollo de esta ciencia avanzó precisamente por este camino, y ahora es una de las áreas más desarrolladas de la IA moderna. Modelar el razonamiento implica la creación de sistemas simbólicos, cuya entrada se asigna a una determinada tarea y la salida requiere su solución. Como regla general, el problema propuesto ya ha sido formalizado, es decir, traducido a forma matemática, pero o no tiene un algoritmo de solución o es demasiado complejo, requiere mucho tiempo, etc. Esta área incluye: demostrar teoremas, tomar decisiones y teoría de juego, planificación y despacho, previsión.

Trabajar con lenguajes naturales

Una dirección importante es procesamiento natural del lenguaje, dentro del cual se realiza el análisis de las capacidades de comprensión, procesamiento y generación de textos en lenguaje “humano”. En esta dirección, el objetivo es procesar el lenguaje natural de tal manera que uno pueda adquirir conocimientos de forma independiente leyendo textos existentes disponibles en Internet. Algunas aplicaciones directas del procesamiento del lenguaje natural incluyen la recuperación de información (incluida la minería profunda de texto) y la traducción automática.

Representación y uso del conocimiento.

Dirección ingeniería del conocimiento combina las tareas de obtención de conocimiento a partir de información simple, su sistematización y utilización. Esta dirección está históricamente asociada con la creación. sistemas expertos- programas que utilizan bases de conocimiento especializadas para obtener conclusiones confiables sobre cualquier problema.

Producir conocimiento a partir de datos es uno de los problemas básicos de la minería de datos. Existen varios enfoques para resolver este problema, incluidos aquellos basados ​​en tecnología de redes neuronales, utilizando procedimientos de verbalización de redes neuronales.

Aprendizaje automático

Asuntos aprendizaje automático se refiere al proceso independiente adquisición de conocimiento por parte de un sistema inteligente en el proceso de su funcionamiento. Esta dirección ha sido central desde el comienzo del desarrollo de la IA. En 1956, en la Conferencia de Verano de Dartmund, Ray Solomonoff escribió un informe sobre una máquina de aprendizaje probabilístico no supervisado, llamándola "La máquina de inferencia inductiva".

Robótica

creatividad de la máquina

La naturaleza de la creatividad humana está incluso menos estudiada que la naturaleza de la inteligencia. Sin embargo, esta área existe y aquí se plantean los problemas de escribir música por computadora, obras literarias (a menudo poesía o cuentos de hadas) y creación artística. La creación de imágenes realistas se utiliza ampliamente en las industrias del cine y los juegos.

Destaca por separado el estudio de los problemas de la creatividad técnica de los sistemas de inteligencia artificial. La teoría de la resolución de problemas inventivos, propuesta en 1946 por G. S. Altshuller, marcó el comienzo de dicha investigación.

Agregar esta capacidad a cualquier sistema inteligente le permite demostrar muy claramente qué percibe exactamente el sistema y cómo lo entiende. Al agregar ruido en lugar de perder información o filtrar el ruido con el conocimiento disponible en el sistema, el conocimiento abstracto se produce en imágenes concretas que una persona puede percibir fácilmente, esto es especialmente útil para el conocimiento intuitivo y de bajo valor, cuya verificación en un La forma formal requiere un esfuerzo mental significativo.

Otras áreas de investigación

Por último, existen muchas aplicaciones de la inteligencia artificial, cada una de las cuales constituye un campo casi independiente. Los ejemplos incluyen inteligencia de programación en juegos de computadora, control no lineal y sistemas inteligentes de seguridad de la información.

En el futuro, se supone que el desarrollo de la inteligencia artificial estará estrechamente relacionado con el desarrollo de una computadora cuántica, ya que algunas propiedades de la inteligencia artificial tienen principios de funcionamiento similares a los de las computadoras cuánticas.

Se puede observar que muchas áreas de investigación se superponen. Esto es típico de cualquier ciencia. Pero en la inteligencia artificial, la relación entre áreas aparentemente diferentes es especialmente fuerte, y esto está asociado con el debate filosófico sobre la IA fuerte y débil.

Inteligencia artificial moderna

Se pueden distinguir dos direcciones del desarrollo de la IA:

  • resolver problemas asociados con acercar los sistemas de IA especializados a las capacidades humanas y su integración, que es realizada por la naturaleza humana ( ver Mejora de la inteligencia);
  • la creación de inteligencia artificial, que representa la integración de sistemas de IA ya creados en un solo sistema capaz de resolver los problemas de la humanidad ( ver Inteligencia artificial fuerte y débil).

Pero en actualmente En el campo de la inteligencia artificial, participan muchas áreas temáticas que tienen una relación práctica más que fundamental con la IA. Se han probado muchos enfoques, pero ningún grupo de investigación se ha ocupado todavía del surgimiento de la inteligencia artificial. A continuación se detallan algunos de los desarrollos más famosos en el campo de la IA.

Solicitud

Algunos de los sistemas de IA más famosos son:

Los bancos utilizan sistemas de inteligencia artificial (IA) en actividades de seguros (matemáticas actuariales), en la bolsa de valores y en la gestión de propiedades. Los métodos de reconocimiento de patrones (incluidas las redes neuronales más complejas y especializadas) se utilizan ampliamente en el reconocimiento óptico y acústico (incluidos texto y voz), diagnóstico médico, filtros de spam, en sistemas de defensa aérea (identificación de objetivos), así como para garantizar una una serie de otras tareas de seguridad nacional.

Psicología y ciencia cognitiva.

La metodología de modelado cognitivo está diseñada para analizar y tomar decisiones en situaciones mal definidas. Fue propuesto por Axelrod.

Se basa en modelar las ideas subjetivas de los expertos sobre la situación e incluye: una metodología para estructurar la situación: un modelo para representar el conocimiento del experto en forma de un dígrafo con signo (mapa cognitivo) (F, W), donde F es el conjunto de factores de la situación, W es el conjunto de relaciones de causa y efecto entre los factores de la situación; métodos de análisis de situación. Actualmente, la metodología del modelado cognitivo se está desarrollando hacia la mejora del aparato para analizar y modelar la situación. Aquí se proponen modelos para pronosticar el desarrollo de la situación; Métodos para resolver problemas inversos.

Filosofía

La ciencia de “crear inteligencia artificial” no pudo evitar atraer la atención de los filósofos. Con la aparición de los primeros sistemas inteligentes surgieron cuestiones fundamentales sobre el hombre y el conocimiento y, en parte, sobre el orden mundial.

Los problemas filosóficos de la creación de inteligencia artificial se pueden dividir en dos grupos, relativamente hablando, "antes y después del desarrollo de la IA". El primer grupo responde a la pregunta: "¿Qué es la IA? ¿Es posible crearla y, si es posible, cómo hacerlo?". El segundo grupo (ética de la inteligencia artificial) plantea la pregunta: "¿Cuáles son las consecuencias de la creación de IA para la humanidad?"

El término "inteligencia artificial fuerte" fue introducido por John Searle, y el enfoque se caracteriza por sus palabras:

Además, un programa así no sería simplemente un modelo de la mente; ella en literalmente Las palabras mismas serán razón, en el mismo sentido en que la razón humana es razón.

Al mismo tiempo, es necesario comprender si es posible una mente “puramente artificial” (“metamina”), que comprenda y resuelva problemas reales y, al mismo tiempo, desprovista de las emociones características de una persona y necesarias para su supervivencia individual. [ ] .

Por el contrario, los defensores de una IA débil prefieren ver los programas sólo como herramientas que les permiten resolver ciertos problemas que no requieren toda la gama de capacidades cognitivas humanas.

Ética

Otras religiones tradicionales rara vez describen los problemas de la IA. Sin embargo, algunos teólogos prestan atención a esto. Por ejemplo, el arcipreste Mikhail Zakharov, argumentando desde el punto de vista de la cosmovisión cristiana, plantea próxima pregunta: “El hombre es un ser racionalmente libre, creado por Dios a su imagen y semejanza. Estamos acostumbrados a atribuir todas estas definiciones a la especie biológica Homo Sapiens. Pero ¿hasta qué punto está justificado esto? . Él responde a esta pregunta así:

Si asumimos que la investigación en el campo de la inteligencia artificial algún día conducirá al surgimiento de un ser artificial que sea superior en inteligencia a los humanos y tenga libre albedrío, ¿significaría esto que este ser es una persona? ... el hombre es creación de Dios. ¿Podemos llamar a esta criatura una creación de Dios? A primera vista, es una creación humana. Pero incluso durante la creación del hombre, no vale la pena entender literalmente que Dios esculpió al primer hombre en arcilla con sus propias manos. Probablemente se trate de una alegoría que indica la materialidad del cuerpo humano, creado por la voluntad de Dios. Pero sin la voluntad de Dios nada sucede en este mundo. El hombre, como cocreador de este mundo, puede, cumpliendo la voluntad de Dios, crear nuevas criaturas. Tales criaturas, creadas por manos humanas según la voluntad de Dios, probablemente puedan llamarse creaciones de Dios. Después de todo, el hombre crea nuevas especies de animales y plantas. Y consideramos que las plantas y los animales son creaciones de Dios. Lo mismo puede aplicarse a un ser artificial de naturaleza no biológica.

ciencia ficción

El tema de la IA se considera desde diferentes ángulos en los trabajos de Robert Heinlein: la hipótesis del surgimiento de la autoconciencia de la IA cuando la estructura se vuelve más compleja más allá de un cierto nivel crítico y hay interacción con el mundo exterior y otros portadores de inteligencia (“La luna es una amante dura”, “Tiempo suficiente para amar”, personajes Mycroft, Dora y Aya en la serie “Historia del futuro”), problemas del desarrollo de la IA después de una hipotética autoconciencia y algunas cuestiones sociales y éticas ("Viernes"). Los problemas sociopsicológicos de la interacción humana con la IA también se consideran en la novela de Philip K. Dick “¿Sueñan los androides con ovejas eléctricas? ", también conocido por la adaptación cinematográfica de Blade Runner.

En las obras del escritor y filósofo de ciencia ficción Stanislaw Lem, la creación de realidad virtual, inteligencia artificial, nanorobots y muchos otros problemas de la filosofía de la inteligencia artificial. Es especialmente digno de mención la futurología de la tecnología Sum. Además, en las aventuras de Iyon el Silencioso se describe repetidamente la relación entre los seres vivos y las máquinas: la revuelta del ordenador de a bordo con acontecimientos inesperados posteriores (viaje 11), la adaptación de los robots a la sociedad humana (“Lavado Tragedia” de “Memorias de Iyon el Silencioso”), la creación de un orden absoluto en el planeta mediante el procesamiento de residentes vivos (viaje 24), inventos de Corcoran y Diagoras (“Memorias de Ijon el Silencioso”), una clínica psiquiátrica para robots ( “Memorias de Ijon el Tranquilo”). Además, hay toda una serie de novelas e historias Cyberiad, donde casi todos los personajes son robots, que son descendientes lejanos de robots que escaparon de las personas (llaman a las personas pálidas y las consideran criaturas míticas).

Películas

Casi desde la década de 1960, junto con la escritura de cuentos y novelas cortas de ciencia ficción, se han realizado películas sobre inteligencia artificial. Muchas historias de autores reconocidos en todo el mundo son filmadas y se convierten en clásicos del género, otras se convierten en un hito en el desarrollo.

Desde el momento en que la inteligencia artificial fue reconocida como un campo científico, y esto sucedió a mediados de los años 50 del siglo pasado, los desarrolladores de sistemas inteligentes tuvieron que resolver muchos problemas. Convencionalmente, todas las tareas se pueden dividir en varias clases: reconocimiento y traducción del lenguaje humano, demostración automática de teoremas, creación de programas de juegos, reconocimiento de imágenes y creatividad de máquinas. Consideremos brevemente la esencia de cada clase de problemas.

Prueba de teoremas.

La demostración automática de teoremas es la aplicación más antigua de la inteligencia artificial. Se han realizado muchas investigaciones en esta área, lo que dio como resultado la aparición de algoritmos de búsqueda formalizados y lenguajes de representación formales, como PROLOG, un lenguaje de programación lógico, y cálculo de predicados.

Las demostraciones automáticas de teoremas son atractivas porque se basan en la generalidad y el rigor de la lógica. La lógica en un sistema formal implica la posibilidad de automatización, lo que significa que si imaginas una tarea y estás relacionada con ella Información adicional en forma de un conjunto de axiomas lógicos y casos especiales del problema, como teoremas que requieren demostración, se puede obtener una solución a muchos problemas. Los sistemas de justificación matemática y demostración automática de teoremas se basan en este principio. En los últimos años se hicieron repetidos intentos de escribir un programa para la demostración automática de teoremas, pero nunca fue posible crear un sistema que permitiera resolver problemas utilizando un único método. Cualquier sistema heurístico relativamente complejo podría generar muchos teoremas demostrables que fueran irrelevantes, lo que provocaría que los programas tuvieran que demostrarlos hasta descubrir el correcto. Esto ha llevado a la creencia de que los grandes espacios sólo pueden abordarse mediante estrategias informales adaptadas a situaciones específicas. En la práctica, este enfoque resultó bastante fructífero y se utilizó, junto con otros, como base para los sistemas expertos.

Al mismo tiempo, no se puede ignorar el razonamiento basado en la lógica formal. Un enfoque formalizado le permite resolver muchos problemas. En particular, al usarlo, puede controlar sistemas complejos, verificar la exactitud de los programas informáticos, diseñar y probar circuitos lógicos. Además, los investigadores de demostración automática de teoremas han desarrollado poderosas heurísticas que se basan en la evaluación de la forma sintáctica de expresiones lógicas. Como resultado, fue posible reducir el nivel de complejidad del espacio de búsqueda sin recurrir al desarrollo de estrategias especiales.

La demostración automática de teoremas es de interés para los científicos también porque el sistema también puede utilizarse para problemas especialmente complejos, aunque no sin intervención humana. Hoy en día, los programas suelen actuar como asistentes. Los expertos dividen la tarea en varias subtareas y luego elaboran heurísticas para clasificar las posibles razones. Luego, el programa prueba lemas, prueba suposiciones menos significativas y realiza adiciones a los aspectos formales de la prueba humana.

Reconocimiento de patrones.

El reconocimiento de patrones es la selección de características esenciales que caracterizan los datos de origen del conjunto general de características y, en función de la información recibida, asignar los datos a una determinada clase.

La teoría del reconocimiento de patrones es una rama de la informática cuyas tareas incluyen el desarrollo de los fundamentos y métodos para identificar y clasificar objetos (objetos, procesos, fenómenos, situaciones, señales, etc.), cada uno de los cuales está dotado de un conjunto de ciertos signos y propiedades. En la práctica, es necesario identificar objetos con bastante frecuencia. Una situación típica es reconocer el color de un semáforo y decidir si desea este momento cruza la calle. Hay otras áreas en las que es imposible prescindir del reconocimiento de objetos, por ejemplo, la digitalización de señales analógicas, asuntos militares, sistemas de seguridad, etc., por lo que hoy los científicos continúan trabajando activamente en la creación de sistemas de reconocimiento de imágenes.

El trabajo se lleva a cabo en dos direcciones principales:

  • · Exploración, explicación y modelización de las capacidades de reconocimiento inherentes a los seres vivos.
  • · Desarrollo de fundamentos teóricos y metodológicos para la creación de dispositivos que permitan resolver problemas individuales con fines aplicados.

Los problemas de reconocimiento se formulan utilizando lenguaje matemático. Mientras que la teoría de las redes neuronales artificiales se basa en la obtención de resultados mediante experimentos, la formulación de problemas de reconocimiento de patrones no se produce sobre la base de experimentos, sino sobre la base de pruebas matemáticas y razonamiento lógico.

Consideremos la formulación clásica de tal problema. Son muchos los objetos respecto de los cuales conviene realizar una clasificación. Un conjunto consta de subconjuntos o clases. Dado: información que describe un conjunto, información sobre clases y una descripción de un solo objeto sin indicar su pertenencia a una clase específica. Tarea: según los datos disponibles, determine a qué clase pertenece el objeto.

Si los problemas contienen imágenes monocromas, pueden considerarse funciones en un plano. La función será un registro formal de la imagen y en cada punto expresará una determinada característica de esta imagen. densidad óptica, transparencia, brillo, etc. En este caso, el modelo del conjunto de imágenes será el conjunto de funciones en el plano. La formulación del problema de reconocimiento depende de cuáles deberían ser las etapas posteriores al reconocimiento.

Los métodos de reconocimiento de patrones incluyen experimentos de F. Rosenblatt, quien introdujo el concepto de modelo cerebral. El objetivo del experimento es mostrar cómo surgen los fenómenos psicológicos en un sistema físico con propiedades funcionales y estructura conocidas. El científico describió los experimentos de reconocimiento más simples, pero su característica es un algoritmo de solución no determinista.

El experimento más simple, a partir del cual se puede obtener información psicológicamente significativa sobre el sistema, es el siguiente: al perceptrón se le presenta una secuencia de dos estímulos diferentes, a cada uno de los cuales debe reaccionar de alguna manera, y la reacción debe ser diferente para diferentes estímulos. Los objetivos de tal experimento pueden ser diferentes. El experimentador puede enfrentarse a la tarea de estudiar la posibilidad de discriminación espontánea por parte del sistema de estímulos presentados sin intervención externa o, por el contrario, estudiar la posibilidad de reconocimiento forzado. En el segundo caso, el experimentador enseña al sistema a clasificar varios objetos, de los cuales puede haber más de dos. La experiencia de aprendizaje se desarrolla de la siguiente manera: al perceptrón se le presentan imágenes, entre las que se encuentran representantes de todas las clases que deben ser reconocidas. La respuesta correcta se refuerza según las reglas de modificación de la memoria. Después de esto, el experimentador presenta un estímulo de control al perceptrón y determina la probabilidad de obtener una reacción determinada para imágenes de una clase determinada. El estímulo de control puede ser el mismo que uno de los objetos presentados en la secuencia de entrenamiento, o diferente de todos los objetos presentados. Dependiendo de esto se obtienen los siguientes resultados:

  • · Si el estímulo de control difiere de todos los estímulos de entrenamiento presentados anteriormente, además de la discriminación pura, el experimento examina elementos de generalización.
  • · Si un estímulo de control provoca la activación de un determinado grupo de elementos sensoriales que no coinciden con ninguno de los elementos activados bajo la influencia de estímulos de la misma clase presentados anteriormente, entonces el experimento examina la generalización pura y no incluye un estudio de reconocimiento.

A pesar de que los perceptrones no son capaces de realizar generalizaciones puras, afrontan satisfactoriamente las tareas de reconocimiento, especialmente en los casos en los que se muestran imágenes en las que el perceptrón ya tiene cierta experiencia.

Reconocimiento de voz humana y traducción automática.

Los objetivos a largo plazo de la inteligencia artificial incluyen la creación de programas que puedan reconocer el lenguaje humano y utilizarlo para construir frases significativas. La capacidad de comprender y utilizar el lenguaje natural es una característica fundamental de la inteligencia humana. La automatización exitosa de esta capacidad mejoraría enormemente la eficiencia de las computadoras. Se han escrito muchos programas para comprender el lenguaje natural y se han utilizado con éxito en contextos limitados, pero todavía no existen sistemas que puedan utilizar lenguajes naturales con la misma generalidad y flexibilidad que los humanos. El hecho es que el proceso de comprensión del lenguaje natural no consiste simplemente en analizar oraciones en componentes y buscar el significado de palabras individuales en los diccionarios. Los programas hacen frente con éxito a esta tarea. Para utilizar el habla humana, se necesitan amplios conocimientos sobre el tema de conversación, sobre modismos relacionados con él, además, se necesita la capacidad de comprender ambigüedades, omisiones, profesionalismo, jerga, expresiones coloquiales y mucho más inherente al habla humana normal. .

Un ejemplo es una conversación sobre fútbol, ​​donde se utilizan palabras como "atacante", "pase", "pase", "tiro libre", "defensor", "delantero", "capitán" y otras. Cada una de estas palabras se caracteriza por un conjunto de significados, e individualmente las palabras son bastante comprensibles, pero una frase formada por ellas resultará incomprensible para cualquiera que no esté interesado en el fútbol y no sepa nada sobre la historia, las reglas y los principios de este juego. . Por lo tanto, comprender y utilizar el lenguaje humano requiere un conjunto de conocimientos previos, y uno de los principales desafíos para automatizar la comprensión y el uso del lenguaje humano natural es la recopilación y sistematización de dicho conocimiento.

Porque el significados semánticos se utilizan ampliamente en la inteligencia artificial, los científicos han desarrollado una serie de métodos que permiten estructurarlos hasta cierto punto. Sin embargo, la mayor parte del trabajo se realiza en áreas problemáticas que se conocen bien y están especializadas. Un ejemplo es la técnica del “micromundo”. Uno de los primeros programas donde se utilizó fue el programa SHRDLU, desarrollado por Terry Winograd, que es uno de los sistemas para comprender el habla humana. Las posibilidades del programa eran bastante limitadas y consistían en una “conversación” sobre la disposición de bloques de diferentes colores y formas, así como sobre la planificación de acciones sencillas. El programa proporcionó respuestas a preguntas como "¿De qué color es la pirámide del bloque transversal?" y podría dar instrucciones como “Coloca el bloque azul sobre el rojo”. Estos problemas fueron a menudo abordados por investigadores de inteligencia artificial y más tarde se los conoció como el “mundo de los bloques”.

A pesar de que el programa SHRDLU "conversó" con éxito sobre la ubicación de los bloques, no tenía la capacidad de abstraerse de este "micromundo". Utilizó técnicas demasiado simples que no podían transmitir la organización semántica de áreas temáticas de mayor complejidad.

El trabajo actual en el campo de la comprensión y aplicación de los lenguajes naturales tiene como objetivo principal encontrar formalismos de representación que sean lo suficientemente generales como para adaptarse a las estructuras específicas de dominios determinados y aplicarse a una amplia gama de aplicaciones. La mayoría de las técnicas existentes, que son modificaciones de redes semióticas, se investigan y utilizan para escribir programas capaces de reconocer el lenguaje natural en áreas temáticas limitadas. Al mismo tiempo, capacidades modernas no nos permiten crear un programa universal capaz de comprender el habla humana en toda su diversidad.

Entre la variedad de problemas de reconocimiento de patrones, se pueden distinguir los siguientes:

  • · Clasificación de documentos
  • · Identificación de yacimientos minerales
  • Reconocimiento de imagen
  • · Reconocimiento de códigos de barras
  • · Reconocimiento de personajes
  • · Reconocimiento de voz
  • · Reconocimiento facial
  • · Reconocimiento de matrículas

Inteligencia artificial en programas de juego.

La inteligencia artificial de los juegos incluye no sólo los métodos tradicionales de IA, sino también algoritmos de la informática en general, gráficos por ordenador, robótica y teoría de control. La forma en que se implementa la IA afecta no solo a los requisitos del sistema, sino también al presupuesto del juego, por lo que los desarrolladores deben hacer un equilibrio para garantizar que la inteligencia artificial del juego se cree a un costo mínimo y al mismo tiempo sea interesante y poco exigente. sobre los recursos. Esto requiere un enfoque completamente diferente al de la inteligencia artificial tradicional. En particular, se utilizan ampliamente emulaciones, engaños y diversas simplificaciones. Ejemplo: una característica de los juegos de disparos en primera persona es la capacidad de los bots para moverse con precisión y apuntar instantáneamente, pero al mismo tiempo una persona no tiene una sola posibilidad, por lo que las habilidades de los bots se reducen artificialmente. Al mismo tiempo, se colocan puntos de control en el nivel para que los bots puedan actuar en equipo, preparar emboscadas, etc. imagen de inteligencia artificial

En los juegos de ordenador controlados por inteligencia artificial de juegos, están presentes las siguientes categorías de personajes:

  • · mobs - personajes con nivel bajo inteligencia, hostil al jugador humano. Los jugadores destruyen mobs para atravesar el territorio, obtener artefactos y puntos de experiencia.
  • · personajes que no son jugadores: normalmente estos personajes son amigables o neutrales con el jugador.
  • · los bots son personajes hostiles hacia los jugadores y son los más difíciles de programar. Sus capacidades se acercan a las de los personajes del juego. En un momento dado, varios robots actúan contra el jugador.

Dentro de un juego de ordenador, hay muchas áreas en las que se utiliza una amplia variedad de algoritmos heurísticos para la inteligencia artificial del juego. La IA del juego se utiliza más ampliamente como una forma de controlar personajes que no son jugadores. Otro método de control no menos común son los scripts. Otro uso obvio de la IA en los juegos, especialmente en los juegos de estrategia en tiempo real, es la búsqueda de caminos, o un método para determinar cómo un personaje no jugador puede llegar de un punto de un mapa a otro. En este caso, es necesario tener en cuenta los obstáculos, el terreno y la posible "niebla de guerra". El equilibrio dinámico de los mobs tampoco está completo sin el uso de inteligencia artificial. Muchos juegos han explorado el concepto de inteligencia impredecible. Se trata de juegos como Nintendogs, Black & White, Creatures y el conocido juguete Tamagotchi. En estos juegos, los personajes son mascotas, cuyo comportamiento cambia en función de las acciones realizadas por el jugador. Los personajes parecen ser capaces de aprender, cuando en realidad sus acciones son el resultado de elegir entre un conjunto limitado de decisiones.

Muchos programadores de juegos consideran que cualquier técnica que cree la ilusión de inteligencia es parte de la inteligencia artificial de los juegos. Sin embargo, este enfoque no es del todo correcto, ya que las mismas técnicas se pueden utilizar no sólo en los motores de IA de juegos. Por ejemplo, al crear bots, se utilizan algoritmos en los que se ingresa información sobre posibles colisiones futuras, como resultado de lo cual los bots adquieren la "habilidad" de evitar estas colisiones. Pero estas mismas técnicas son un componente importante y necesario de un motor de física. Otro ejemplo: un componente importante del sistema de orientación de un bot son los datos del agua, y los mismos datos se utilizan ampliamente en el motor gráfico para el renderizado. El último ejemplo son las secuencias de comandos. Esta herramienta se puede utilizar con éxito en todos los aspectos. desarrollo de juegos, pero la mayoría de las veces se ve como una de las formas de controlar las acciones de los personajes que no son jugadores.

Según los puristas, la expresión “juego de inteligencia artificial” no tiene derecho a existir, ya que es una exageración. Su principal argumento es que la IA para juegos utiliza sólo algunas áreas de la ciencia de la inteligencia artificial clásica. También hay que tener en cuenta que los objetivos de la IA son crear sistemas de autoaprendizaje e incluso crear inteligencia artificial capaz de razonar, mientras que a menudo se limita a heurísticas y a una serie de reglas generales, que son suficientes para crear buena jugabilidad y proporciona al jugador impresiones vívidas y la sensación del juego.

Actualmente, los desarrolladores de juegos de computadora están mostrando interés en la IA académica y la comunidad académica, a su vez, se está interesando en los juegos de computadora. Esto plantea la cuestión de hasta qué punto los juegos y la IA clásica se diferencian entre sí. Al mismo tiempo, la inteligencia artificial para juegos todavía se considera una de las ramas secundarias de la inteligencia clásica. Esto se debe a que la inteligencia artificial tiene varias áreas de aplicación que se diferencian entre sí. Si hablamos de inteligencia de juego, una diferencia importante aquí es la posibilidad de engañar para resolver ciertos problemas de manera "legal". Por un lado, la desventaja del engaño es que a menudo conduce a un comportamiento poco realista del personaje y, por este motivo, no siempre puede utilizarse. Por otro lado, la posibilidad misma de tal engaño constituye una diferencia importante entre la IA del juego.

Otra tarea interesante de la inteligencia artificial es enseñar a una computadora a jugar al ajedrez. Científicos de todo el mundo se comprometieron a resolverlo. La peculiaridad de esta tarea es que la demostración de las habilidades lógicas de la computadora sólo es posible en presencia de un oponente real. La primera demostración de este tipo tuvo lugar en 1974 en Estocolmo, donde se celebró el Campeonato Mundial de Ajedrez entre programas de ajedrez. El ganador de este concurso fue el programa "Kaissa", creado por científicos soviéticos del Instituto de Problemas de Gestión de la Academia de Ciencias de la URSS, con sede en Moscú.

Inteligencia artificial en la creatividad de las máquinas.

La naturaleza de la inteligencia humana aún no se ha estudiado lo suficiente, y el grado en que se ha estudiado la naturaleza de la creatividad humana es aún menor. Sin embargo, un área de la inteligencia artificial es la creatividad de las máquinas. Las computadoras modernas crean obras musicales, literarias y artísticas, y las industrias cinematográfica y de juegos de computadora han utilizado durante mucho tiempo imágenes realistas creadas por máquinas. Los programas existentes crean diversas imágenes que los humanos pueden percibir y comprender fácilmente. Esto es especialmente importante cuando se trata de conocimiento intuitivo, cuya verificación formal requeriría un esfuerzo mental considerable. Así, los problemas musicales se resuelven con éxito utilizando un lenguaje de programación, uno de los cuales es el lenguaje CSound. Especial software, con la ayuda del cual se crean obras musicales, está representado por programas de composición algorítmica, sistemas de composición interactivos, sistemas de síntesis y procesamiento de sonido.

Sistemas expertos.

El desarrollo de sistemas expertos modernos ha sido llevado a cabo por investigadores desde principios de los años 1970, y a principios de los años 1980 los sistemas expertos comenzaron a desarrollarse con carácter comercial. Los prototipos de sistemas expertos, propuestos en 1832 por el científico ruso S. N. Korsakov, eran dispositivos mecánicos llamados “máquinas inteligentes”, que permitían encontrar una solución en función de unas condiciones dadas. Por ejemplo, se analizaron los síntomas de una enfermedad observada en un paciente y, en base a los resultados de este análisis, se propusieron los medicamentos más adecuados.

La informática considera los sistemas expertos junto con las bases de conocimiento. Los sistemas son modelos de comportamiento experto basados ​​en la aplicación de procedimientos de toma de decisiones y conclusiones lógicas. Las bases de conocimiento se consideran un conjunto de reglas de inferencia lógica y hechos que están directamente relacionados con el campo de actividad elegido.

A finales del siglo pasado se desarrolló un cierto concepto de sistemas expertos, profundamente centrado en la interfaz hombre-máquina basada en texto, que era generalmente aceptado en ese momento. Actualmente, este concepto ha atravesado una grave crisis, al parecer debido a que en las aplicaciones de usuario la interfaz de texto ha sido sustituida por una gráfica. Además, el modelo de datos relacionales y la visión "clásica" de la construcción de sistemas expertos no encajan bien entre sí. En consecuencia, la organización de las bases de conocimiento de los sistemas expertos no se puede llevar a cabo de manera efectiva, al menos utilizando los modernos. sistemas industriales gestión de base de datos. Las fuentes literarias y en línea proporcionan muchos ejemplos de sistemas expertos llamados "comunes" o "bien conocidos". De hecho, todos estos sistemas expertos fueron creados en los años 80 del siglo pasado y ahora han dejado de existir o están irremediablemente obsoletos y existen gracias a unos pocos entusiastas. Por otro lado, los desarrolladores de la moderna productos de software A menudo llaman a sus creaciones sistemas expertos. Este tipo de declaraciones no son más que una estrategia de marketing, porque en realidad estos productos no son sistemas expertos (un ejemplo sería cualquiera de los sistemas informáticos de referencia legal). Los entusiastas están tratando de combinar enfoques para crear una interfaz de usuario con enfoques "clásicos" para crear sistemas expertos. Estos intentos se reflejan en proyectos como CLIPS.NET, CLIPS Java Native Interface y otros, pero las grandes empresas de software no tienen prisa por financiar proyectos de este tipo y, por esta razón, los desarrollos no pasan de la fase experimental.

La variedad de áreas en las que se pueden utilizar los sistemas basados ​​en el conocimiento se puede dividir en clases: diagnóstico médico, planificación, previsión, seguimiento y control, formación, interpretación, diagnóstico de fallos en equipos eléctricos y mecánicos, formación. Veamos cada una de estas clases con más detalle.

a) Sistemas de diagnóstico médico.

Con la ayuda de tales sistemas, determinan cómo diversos trastornos de la actividad del cuerpo y su posibles razones. El sistema de diagnóstico más famoso es MYCIN. Se utiliza para diagnosticar meningitis e infecciones bacterianas, así como para controlar el estado de los pacientes que padecen estas enfermedades. La primera versión del sistema se desarrolló en los años 70. Hoy en día, sus capacidades se han ampliado significativamente: el sistema realiza diagnósticos sobre el mismo nivel profesional, como médico especialista, y puede utilizarse en diferentes áreas de la medicina.

b) Sistemas predictivos.

Los sistemas están diseñados para predecir eventos o los resultados de eventos basándose en los datos disponibles que caracterizan la situación actual o el estado de un objeto. Así, el programa "Conquista de Wall Street", que utiliza métodos estadísticos de algoritmos en su trabajo, es capaz de analizar las condiciones del mercado y desarrollar un plan de inversión. El programa utiliza algoritmos y procedimientos de programación tradicional, por lo que no puede clasificarse como un sistema basado en conocimiento. Hoy en día ya existen programas que pueden predecir el flujo de pasajeros, el rendimiento de los cultivos y el clima mediante el análisis de los datos disponibles. Estos programas son bastante sencillos y algunos de ellos se pueden utilizar en ordenadores personales normales. Sin embargo, todavía no existen sistemas expertos que, basándose en datos sobre las condiciones del mercado, puedan sugerir cómo aumentar el capital.

c) Planificación.

Los sistemas de planificación están diseñados para resolver problemas con gran cantidad variables para lograr resultados específicos. Por primera vez en esfera comercial Estos sistemas fueron utilizados por la empresa damascena Informat. La dirección de la empresa ordenó la instalación de 13 estaciones en el vestíbulo de la oficina, que permitieron consultas gratuitas a los clientes que desearan adquirir una computadora. Las máquinas nos ayudaron a elegir la que mejor se adaptaba al presupuesto y a los deseos del comprador. Boeing también ha utilizado sistemas expertos para fines tales como reparar helicópteros, identificar las causas de fallos de los motores de los aviones y diseñar estaciones espaciales. DEC ha creado el sistema experto XCON, que es capaz de identificar y reconfigurar sistemas informáticos VAX según los requisitos del cliente. Actualmente, DEC está desarrollando un sistema XSEL más potente que incluye la base de conocimientos XCON. El propósito de crear el sistema es ayudar a los consumidores a seleccionar un sistema informático con la configuración requerida. La diferencia entre XSEL y XCON es que es interactivo.

d) Interpretación.

Los sistemas interpretativos son capaces de sacar conclusiones basadas en los resultados de las observaciones. Uno de los sistemas interpretativos más famosos es el sistema PROSPECTOR. Funciona utilizando datos basados ​​en el conocimiento de nueve expertos. La eficacia del sistema se puede evaluar con un ejemplo: utilizando nueve varios métodos Durante el examen, el sistema descubrió un yacimiento de mineral cuya presencia ningún experto habría podido predecir. Otro sistema de tipos interpretativos muy conocido es HASP/SIAP. ella usa datos sistemas de altavoces seguimiento y, en base a ellos, determina la ubicación de los barcos en océano Pacífico y sus tipos.

e) Sistemas inteligentes de control y gestión.

Los sistemas expertos se utilizan con éxito para el control y la gestión. Son capaces de analizar datos recibidos de varias fuentes y tomar decisiones basadas en los resultados del análisis. Estos sistemas son capaces de realizar seguimiento médico y controlar el movimiento de aeronaves; además, se utilizan en plantas de energía nuclear. También ayudan a regular las actividades financieras de la empresa y desarrollar soluciones en situaciones críticas.

f) Diagnóstico y resolución de problemas de equipos eléctricos y mecánicos.

Los sistemas basados ​​en el conocimiento se utilizan en casos como:

reparación de locomotoras diésel, automóviles y otros aparatos eléctricos y mecánicos;

diagnóstico y eliminación de errores y mal funcionamiento en software y hardware informático.

g) Sistemas de formación informática.

El uso de sistemas basados ​​en el conocimiento con fines educativos es bastante eficaz. El sistema analiza el comportamiento y la actividad del objeto y cambia la base de conocimientos de acuerdo con la información recibida. El ejemplo más simple tal entrenamiento - juego de ordenador, en el que los niveles se vuelven más difíciles a medida que aumenta la habilidad del jugador. D. Lenat desarrolló un interesante sistema de formación, EURISCO. Utiliza heurísticas simples. El sistema se aplicó en un juego que simulaba lucha. La esencia del juego es determinar la composición óptima de la flotilla, que podría causar derrotas respetando muchas reglas. El sistema cumplió con éxito esta tarea, incluyendo en la flotilla un barco pequeño y varios barcos capaces de realizar un ataque. Las reglas del juego cambiaron cada año, pero el sistema EURISCO ganó constantemente durante tres años.

Existen muchos sistemas expertos que, en función de su contenido de conocimiento, se pueden clasificar en varios tipos a la vez. Por ejemplo, un sistema que realiza planificación también puede ser un sistema de aprendizaje. Es capaz de determinar el nivel de conocimientos del estudiante y, a partir de esta información, crear un plan de estudios. Los sistemas de control se utilizan para planificación, previsión, diagnóstico y control. Los sistemas diseñados para proteger una casa o apartamento pueden monitorear los cambios que ocurren en el medio ambiente, predecir el desarrollo de la situación y elaborar un plan de acción futura. Por ejemplo, se ha abierto una ventana y un ladrón intenta entrar a la habitación a través de ella, por lo que es necesario llamar a la policía.

El uso generalizado de los sistemas expertos comenzó en la década de 1980, cuando se introdujeron comercialmente por primera vez. Los ES se utilizan en muchas áreas, incluidos negocios, ciencia, tecnología, manufactura y otras industrias caracterizadas por un área temática muy específica. En este contexto, “bien definido” significa que una persona puede dividir el curso del razonamiento en etapas separadas, y de esta manera se puede resolver cualquier problema que esté dentro del área dada. Por tanto, un programa informático puede realizar acciones similares. Se puede decir con seguridad que el uso de las capacidades de la inteligencia artificial abre infinitas posibilidades para la humanidad.

El desarrollo de la inteligencia artificial es cuestión de tiempo. Tarde o temprano, las máquinas podrán competir en igualdad de condiciones con los humanos en acciones que requieran procesos mentales. Recientemente, Marcus du Sautoy, profesor de matemáticas en la Universidad de Oxford, sugirió que las tecnologías conscientes podrían considerarse iguales a los humanos desde un punto de vista legal.


La inteligencia artificial se convirtió en escritora.

"Autoconciencia" informática

Según muchos científicos, tarde o temprano la tecnología tendrá la oportunidad de desarrollar su inteligencia de forma independiente. Este proceso se llama "singularidad tecnológica". "En algún momento podremos decir que esta cosa tiene conciencia de sí misma, y ​​tal vez este sea el límite más allá del cual surge esta conciencia", dice du Sautoy.

Pero ¿cómo se puede saber si una máquina es “consciente de sí misma”? Actualmente, el test de Turing se utiliza para determinar el nivel de inteligencia artificial. Su esencia es que un experto evalúa la conversación entre una persona y una máquina sobre determinados temas. Al mismo tiempo, no sabe de antemano cuál de estos dos es un programa de computadora y cuál es un operador humano... Si al experto le resulta difícil decir cuál de ellos es cuál, entonces la prueba se considera superada.

Según el inventor y futurista estadounidense Ray Kurzweil, en 2029 habrá máquinas que puedan pasar la prueba de Turing, y en 2040 la inteligencia artificial será mil millones de veces mayor que la inteligencia humana...

La última generación utiliza estructuras que imitan la actividad neuronal del cerebro. Por tanto, el proceso de escaneo puede revelar la presencia de conciencia. ¿Cómo? Bueno, por ejemplo, en los humanos, las neuronas en estado consciente e inconsciente (digamos, durmiendo) funcionan de manera diferente. Si el cerebro de una computadora reacciona como un cerebro humano consciente, ¡entonces existe!

Tres tipos de inteligencia artificial

¿Qué debe entenderse exactamente por la frase “”? Según los expertos, puede ser de tres tipos.

El primer tipo tiene un enfoque limitado y sólo es capaz de realizar una serie de ciertas funciones. Se trata, por ejemplo, de asistentes electrónicos, robots de aparcamiento o programas que juegan al ajedrez.

El segundo tipo es la IA general. Es el más cercano al ser humano. Se trata principalmente de humanoides, que se parecen lo más posible a nosotros. Podrán desempeñar el papel de recepcionistas de hotel, asesores de tiendas, socorristas... Se les enseñará a imitar las emociones humanas para hacer más constructiva la interacción con una persona.

El tercer tipo es la superinteligencia. Esto es exactamente lo que temen algunos futurólogos y escritores de ciencia ficción... Las capacidades de tal inteligencia superarán con creces las humanas. Lo más probable es que estos dispositivos "altamente inteligentes" eventualmente se unan en una poderosa red como Skynet de "Terminator"...

¡Sin Skynet!

Para empezar, imaginemos que las computadoras se han vuelto capaces de realizarse como "personas". Digamos que "entenderán" cuando les están haciendo daño. Bueno, digamos que no lo limpian a tiempo o golpean la carcasa con el puño cuando se congela... O simplemente sobrecargan el procesador y la memoria con trabajo...

Si existe un concepto de "crueldad hacia los animales", ¿por qué no existe un concepto de "crueldad hacia las computadoras"? Sin embargo, no olvidemos que la inteligencia artificial probablemente sea mucho más inteligente que cualquier animal. Si es así, ¡será necesario brindar a los sistemas electrónicos la oportunidad de proteger sus derechos!

"Las computadoras con IA podrían tener muy pronto su propio conjunto de 'derechos' que les permitirían demandarle por descuidarlas", predice du Sautoy.

Sin embargo, ¿tal vez no sea tan aterrador? Durante la reciente conferencia Code 2016, el empresario Elon Musk, quien fundó la organización sin fines de lucro el año pasado organización abierta La IA, cuyo objetivo es crear y desarrollar inteligencia artificial amigable, anunció que en el futuro las personas y las altas tecnologías deberán aprender a interactuar estrechamente entre sí. En particular, una persona del futuro podrá conectar un avatar virtual integrado en una red especial a su propio cerebro.

Las acciones de los avatares estarán controladas. programas inteligentes, lo que no les permitirá dañar a nada ni a nadie. "El desarrollo de tecnologías relacionadas con la inteligencia artificial no debería dar miedo", dijo Musk, "su presencia y evolución no significa necesariamente que en el futuro todos necesariamente tendremos algo como Skynet".

  • Mustafina Nailia Mugattarovna, soltero, estudiante
  • Universidad Agraria Estatal de Bashkiria
  • Sharafutdinov Aidar Gazizyanovich, Candidato de Ciencias, Profesor Asociado, Profesor Asociado
  • Universidad Agraria Estatal de Bashkiria
  • MAQUINAS DE COMPUTACION
  • TÉCNICA
  • LA CIENCIA
  • INTELIGENCIA ARTIFICIAL

Hoy en día, el progreso científico y tecnológico se está desarrollando rápidamente. Una de sus industrias de rápido crecimiento es la inteligencia artificial.

Hoy en día, el progreso tecnológico se está desarrollando rápidamente. La ciencia no se detiene y cada año la gente idea tecnologías cada vez más avanzadas. Una de las nuevas direcciones en el desarrollo del progreso tecnológico es la inteligencia artificial.

La humanidad escuchó por primera vez sobre la inteligencia artificial hace más de 50 años. Sucedió en una conferencia celebrada en 1956 en la Universidad de Dartmouth, donde John McCarthy dio al término una definición clara y precisa. “La inteligencia artificial es la ciencia de crear máquinas y programas informáticos inteligentes. Para los fines de esta ciencia, las computadoras se utilizan como un medio para comprender las características de la inteligencia humana; al mismo tiempo, el estudio de la IA no debe limitarse al uso de métodos biológicamente plausibles.

La inteligencia artificial de las computadoras modernas es de un nivel bastante alto, pero no a tal nivel que sus habilidades de comportamiento no sean inferiores incluso a las de los animales más primitivos.

El resultado de la investigación sobre la "inteligencia artificial" es el deseo de comprender el trabajo del cerebro, revelar los secretos de la conciencia humana y el problema de crear máquinas con un cierto nivel de inteligencia humana. La posibilidad fundamental de modelar procesos intelectuales se deriva de que cualquier función cerebral, cualquier actividad mental, descrita en un lenguaje con una semántica estrictamente unívoca utilizando un número finito de palabras, puede, en principio, transferirse a una computadora electrónica digital.

Actualmente se han desarrollado algunos modelos de inteligencia artificial en diversos campos, pero aún no se ha creado una computadora capaz de procesar información en cualquier campo nuevo.

Entre las clases de tareas más importantes que se han planteado a los desarrolladores de sistemas inteligentes desde la definición de la inteligencia artificial como dirección científica, cabe destacar las siguientes: áreas de la inteligencia artificial:

  • Prueba de teoremas. El estudio de las técnicas de demostración de teoremas influyó papel importante en el desarrollo de la inteligencia artificial. Muchos problemas informales, por ejemplo el diagnóstico médico, se resuelven utilizando enfoques metodológicos que se utilizaron para automatizar la demostración de teoremas. Encontrar una demostración de un teorema matemático requiere no sólo la deducción de hipótesis, sino también la creación de suposiciones intuitivas sobre qué enunciados intermedios deben demostrarse para la demostración general del teorema principal.
  • Reconocimiento de imagen. El uso de inteligencia artificial para el reconocimiento de imágenes ha permitido crear sistemas prácticamente funcionales para identificar objetos gráficos basándose en características similares. Cualquier característica de los objetos a reconocer puede considerarse característica. Las características deben ser invariables con la orientación, el tamaño y la forma de los objetos. El alfabeto de funciones lo forma el desarrollador del sistema. La calidad del reconocimiento depende en gran medida de qué tan bien se haya desarrollado el alfabeto de características. El reconocimiento consiste en obtener a priori un vector de características para un objeto separado seleccionado en la imagen y, luego, determinar a cuál de los estándares del alfabeto de características corresponde este vector.
  • Traducción automática y comprensión del habla humana. La tarea de analizar frases del habla humana mediante un diccionario es una tarea típica de los sistemas de inteligencia artificial. Para solucionar este problema se creó un lenguaje intermediario que facilita la comparación de frases de idiomas diferentes. Posteriormente, este lenguaje intermediario se convirtió en un modelo semántico para representar los significados de los textos a traducir. La evolución del modelo semántico llevó a la creación de un lenguaje para la representación interna del conocimiento. Como resultado, sistemas modernos Realizar el análisis de textos y frases en cuatro etapas principales: análisis morfológico, análisis sintáctico, semántico y pragmático.
  • Programas de juego. La mayoría de los programas de juegos se basan en algunas ideas básicas de la inteligencia artificial, como la iteración y el autoaprendizaje. Uno de los más tareas interesantes En el campo de los programas de juego que utilizan métodos de inteligencia artificial, es enseñar a una computadora a jugar al ajedrez. Fue fundada en los inicios de la informática, a finales de los años 50. En el ajedrez existen ciertos niveles de habilidad, grados de calidad del juego, que pueden proporcionar criterios claros para evaluar el crecimiento intelectual del sistema. Por lo tanto, el ajedrez informático ha sido estudiado activamente por científicos de todo el mundo y los resultados de sus logros se utilizan en otros desarrollos intelectuales que tienen un significado práctico real.
  • Creatividad de la máquina. Una de las áreas de aplicación de la inteligencia artificial incluye sistemas de software que pueden crear de forma independiente música, poesía, cuentos, artículos, diplomas e incluso disertaciones. Hoy en día existe toda una clase de lenguajes de programación musical (por ejemplo, el lenguaje C-Sound). Se creó software especial para diversas tareas musicales: sistemas de procesamiento de sonido, síntesis de sonido, sistemas de composición interactivos, programas de composición algorítmica.
  • Sistemas expertos. Los métodos de inteligencia artificial han encontrado aplicación en la creación de sistemas de consultoría automatizados o sistemas expertos. Los primeros sistemas expertos se desarrollaron como herramientas de investigación en la década de 1960. Eran sistemas de inteligencia artificial diseñados específicamente para resolver tareas complejas en un área temática limitada, como el diagnóstico médico de enfermedades. El objetivo clásico de esta dirección era inicialmente crear un sistema de inteligencia artificial de uso general que fuera capaz de resolver cualquier problema sin conocimientos específicos en el área temática. Debido a los recursos informáticos limitados, este problema resultó ser demasiado complejo para resolverlo con un resultado aceptable.

Podemos decir que el objetivo principal del desarrollo de la inteligencia artificial es la optimización; imagínese cómo una persona, sin estar expuesta al peligro, podría estudiar otros planetas y extraer metales preciosos.

Así, podemos concluir que el estudio y desarrollo de la inteligencia artificial ha importante para toda la sociedad. Al fin y al cabo, con el uso de este sistema se puede asegurar y facilitar la vida humana.

Bibliografía

  1. Yasnitsky L.N. Sobre las posibilidades de utilizar la inteligencia artificial [recurso electrónico]: científico libreria digital. URL: http://cyberleninka.ru/ (fecha de acceso 01/06/2016)
  2. Yastreb N.A. Inteligencia artificial [Recurso electrónico]: biblioteca electrónica científica. URL: http://cyberleninka.ru/ (fecha de acceso 01/06/2016)
  3. Abdulatipova M.A. Inteligencia artificial [Recurso electrónico]: biblioteca electrónica científica. URL: http://cyberleninka.ru/ (fecha de acceso 01/06/2016)