Inteligență artificială (AI, în engleză Inteligența artificială, AI) - știința și tehnologia de a crea mașini inteligente, în special programe de calculator inteligente. AI este legată de obiectivul similar de utilizare a computerelor pentru a înțelege inteligența umană, dar nu se limitează neapărat la metode plauzibile din punct de vedere biologic.

Ce este inteligența artificială

Inteligența(din latină intellectus - senzație, percepție, înțelegere, înțelegere, concept, rațiune), sau minte - calitatea psihicului, constând în capacitatea de a se adapta la situații noi, capacitatea de a învăța și de a memora pe baza experienței, înțelegerii și aplicării concepte abstracte și folosind cunoștințele lor pentru managementul mediului. Inteligența este o capacitate generală de a cunoaște și de a rezolva dificultățile, care unește toate abilitățile cognitive ale unei persoane: senzație, percepție, memorie, reprezentare, gândire, imaginație.

La începutul anilor 1980. oamenii de știință în calcul Barr și Feigenbaum au propus următoarea definiție inteligență artificială(AI):


Mai târziu, o serie de algoritmi și sisteme software au început să fie atribuite AI, a căror caracteristică distinctivă este că pot rezolva unele probleme în același mod în care o face o persoană care se gândește la soluția lor.

Principalele proprietăți ale inteligenței artificiale sunt înțelegerea limbajului, învățarea și capacitatea de a gândi și, cel mai important, de a acționa.

AI este un complex de tehnologii și procese conexe care se dezvoltă eficient și rapid, de exemplu:

  • procesarea limbajului natural
  • sistem expert
  • agenți virtuali (boți de chat și asistenți virtuali)
  • sisteme de recomandare.

Cercetare AI

  • Articolul principal: Cercetarea Inteligenței Artificiale

Standardizarea AI

2018: Dezvoltarea standardelor în domeniul comunicațiilor cuantice, AI și un oraș inteligent

Comitetul Tehnic „Sisteme ciber-fizice” bazate pe RVC, împreună cu Centrul Regional de Inginerie „SafeNet”, pe 6 decembrie 2018, au început elaborarea unui set de standarde pentru piețele Inițiativei Naționale Tehnologice (NTI) și economia digitală. . Până în martie 2019, este planificată dezvoltarea documentelor tehnice de standardizare în domeniul comunicațiilor cuantice și, potrivit RVC. Mai multe detalii.

Impactul inteligenței artificiale

Risc pentru dezvoltarea civilizației umane

Impact asupra economiei și afacerilor

  • Impactul tehnologiilor de inteligență artificială asupra economiei și afacerilor

Impactul asupra pieței muncii

Prejudecățile inteligenței artificiale

În centrul a tot ceea ce este practica AI (traducerea automată, recunoașterea vorbirii, procesarea limbajului natural, viziunea computerizată, automatizarea conducerii și multe altele) se află învățarea profundă. Acesta este un subset al învățării automate, caracterizat prin utilizarea modelelor de rețele neuronale, despre care se poate spune că imită activitatea creierului, așa că cu greu pot fi atribuite AI. Orice model de rețea neuronală este antrenat pe seturi mari de date, astfel dobândește niște „abilități”, dar modul în care le folosește nu este clar pentru creatori, ceea ce devine în cele din urmă una dintre cele mai importante probleme pentru multe aplicații de deep learning. Motivul este că un astfel de model funcționează cu imagini în mod formal, fără a înțelege ce face. Este un astfel de sistem AI și putem avea încredere în sistemele construite pe baza învățării automate? Sensul răspunsului la ultima întrebare merge dincolo laboratoare stiintifice... Prin urmare, atenția mass-media față de fenomenul numit prejudecată AI s-a accentuat considerabil. Poate fi tradus ca „prejudecata AI” sau „prejudecata AI”. Mai multe detalii.

Piața tehnologiei inteligenței artificiale

Piața AI din Rusia

Piața mondială AI

Aplicații AI

Sferele de aplicare a inteligenței artificiale sunt destul de largi și acoperă atât tehnologii familiare urechii, cât și direcții noi care apar, departe de utilizarea în masă, cu alte cuvinte, aceasta este întreaga gamă de soluții, de la aspiratoare la stații spațiale... Toată diversitatea lor poate fi împărțită în funcție de criteriul punctelor cheie de dezvoltare.

AI nu este un domeniu monolitic. Mai mult, unele domenii tehnologice ale IA apar ca noi subsectoare ale economiei și entități separate, deservind în același timp majoritatea domeniilor economiei.

Dezvoltarea utilizării AI duce la adaptarea tehnologiilor în sectoarele clasice ale economiei de-a lungul întregului lanț valoric și le transformă, ducând la algoritmizarea aproape a tuturor funcționalităților, de la logistică la managementul companiei.

Utilizarea IA în scopuri militare și de apărare

Utilizare în educație

Folosirea inteligenței artificiale în afaceri

AI în industria energetică

  • La nivel de proiectare: prognoza îmbunătățită a generării și a cererii de resurse energetice, evaluarea fiabilității echipamentelor de generare a energiei, automatizarea producției în creștere ca răspuns la creșterea cererii.
  • La nivel de productie: optimizarea intretinerii preventive a echipamentelor, cresterea randamentului generatiei, reducerea pierderilor, prevenirea furtului resurselor energetice.
  • La nivel de promovare: optimizarea prețurilor la ora din zi și facturare dinamică.
  • La nivelul furnizării serviciilor: selecția automată a celui mai profitabil furnizor, statistici detaliate consum, service automatizat pentru clienți, optimizare energetică pe baza obiceiurilor și comportamentului clienților.

AI în producție

  • La nivel de proiectare: îmbunătățirea eficienței dezvoltării de noi produse, evaluarea automată a furnizorilor și analiza cerințelor de piese și piese.
  • La nivel de productie: imbunatatirea procesului de executare a sarcinilor, automatizarea liniilor de asamblare, reducerea numarului de erori, reducerea timpului de livrare a materiilor prime.
  • La nivel de promovare: prognozarea volumului de servicii de suport și întreținere, managementul prețurilor.
  • La nivelul furnizării de servicii: îmbunătățirea planificării rutelor flotei de vehicule, cererea de resurse ale flotei de vehicule, îmbunătățirea calității pregătirii inginerilor de service.

AI în bănci

  • Recunoaștere model - folosit incl. să recunoască clienții din sucursale și să le ofere oferte de specialitate.

AI în transport

  • Industria auto este în pragul unei revoluții: 5 provocări ale erei auto-conducerii

AI în logistică

AI în prepararea berii

Utilizarea IA în administrația publică

AI în criminalistică

  • Recunoaștere model - folosit incl. pentru a identifica infractorii în spațiile publice.
  • În mai 2018, a devenit cunoscut despre utilizarea inteligenței artificiale de către poliția olandeză pentru a investiga crime complexe.

Potrivit The Next Web, agențiile de aplicare a legii au început să digitalizeze peste 1.500 de rapoarte și 30 de milioane de pagini legate de cazuri nerezolvate. Din anul 1988 au fost transferate materiale pe un format informatic, în care infracțiunea nu a fost soluționată de cel puțin trei ani, iar infractorul a fost condamnat la peste 12 ani de închisoare.

Odată ce tot conținutul a fost digitizat, acesta va fi conectat la un sistem de învățare automată care va analiza înregistrările și va decide care cazuri folosesc cele mai de încredere dovezi. Acest lucru ar trebui să reducă timpul necesar procesării cazurilor și soluționării crimelor trecute și viitoare de la câteva săptămâni la o zi.

Inteligența artificială va distribui cazurile în funcție de „solubilitatea” lor și va indica posibilele rezultate ale examinării ADN. Apoi este planificată automatizarea analizei și în alte domenii. examinarea criminalisticăși poate chiar să acopere date în domenii precum Stiinte Socialeși mărturie.

În plus, după cum a spus un dezvoltator de sistem, Jeroen Hammer, funcțiile API pot fi lansate partenerilor în viitor.


Poliția olandeză are unitate specială specializata in dezvoltarea de noi tehnologii de solutionare a infractiunilor. El a fost cel care a creat sistemul AI pentru găsirea rapidă a criminalilor pe dovezi.

AI în justiție

Evoluțiile din domeniul inteligenței artificiale vor contribui la schimbarea radicală a sistemului judiciar, pentru a-l face mai echitabil și lipsit de scheme de corupție. Această opinie a fost exprimată în vara anului 2017 de doctorul în științe tehnice, consultant tehnic la Artezio Vladimir Krylov.

Omul de știință consideră că soluțiile deja existente în domeniul AI pot fi aplicate cu succes în diverse domenii ale economiei și viata publica... Expertul subliniază că AI este folosită cu succes în medicină, dar în viitor este capabilă să schimbe complet și sistemul judiciar.

„Căutând în fiecare zi știrile despre evoluțiile din domeniul AI, cineva este uimit de imaginația inepuizabilă și fecunditatea cercetătorilor și dezvoltatorilor din acest domeniu. Rapoartele cercetării științifice sunt în mod constant intercalate cu publicații de produse noi care ies pe piață și rapoarte cu rezultate uimitoare din utilizarea AI în diferite domenii. Dacă vorbim despre evenimentele așteptate, însoțite de un hype vizibil în mass-media, în care AI va deveni din nou eroul știrilor, atunci probabil că nu voi îndrăzni să fac predicții tehnologice. Pot presupune că următorul eveniment va fi apariția undeva a unei instanțe extrem de competente sub forma inteligenței artificiale, corectă și incoruptibilă. Acest lucru se va întâmpla, se pare, în 2020-2025. Iar procesele care vor avea loc în această instanță vor duce la reflecții neașteptate și la dorința multor oameni de a transfera către IA majoritatea proceselor de gestionare a societății umane.”

Folosirea inteligenței artificiale în Sistem juridic omul de știință recunoaște că este un „pas logic” pentru dezvoltarea egalității legislative și a justiției. Mintea mașinii nu este supusă corupției și emoțiilor, poate adera strict la cadrele legale și poate lua decizii ținând cont de mulți factori, inclusiv de datele care caracterizează părțile în dispută. Prin analogie cu domeniul medical, judecătorii robotici pot opera pe date mari din depozitele serviciilor guvernamentale. Se poate presupune că inteligența mașinilor va fi capabilă să proceseze rapid datele și să ia în considerare mult mai mulți factori decât un judecător uman.

Experții psihologi consideră însă că absența unei componente emoționale în luarea în considerare a cauzelor judecătorești va afecta negativ calitatea deciziei. Verdictul unei instanțe de judecată poate fi prea simplu, nereușind să țină cont de importanța sentimentelor și stărilor de spirit ale oamenilor.

Pictura

În 2015, echipa Google a testat rețelele neuronale pentru capacitatea de a crea imagini pe cont propriu. Apoi, inteligența artificială a fost instruită pe exemplul unui număr mare de imagini diferite. Cu toate acestea, atunci când mașinii i s-a „rugat” să înfățișeze ceva de la sine, s-a dovedit că interpretează lumea din jurul nostru într-un mod oarecum ciudat. De exemplu, pentru sarcina de a desena gantere, dezvoltatorii au primit o imagine în care metalul a fost conectat mâinile omului... Acest lucru s-a datorat probabil faptului că la etapa de antrenament, imaginile analizate cu gantere conțineau mâini, iar rețeaua neuronală a interpretat greșit acest lucru.

Pe 26 februarie 2016, la San Francisco, la o licitație specială, reprezentanții Google au ajutat aproximativ 98 de mii de dolari din picturi psihedelice scrise de inteligență artificială. Aceste fonduri au fost donate unor organizații de caritate. Una dintre cele mai reușite poze ale mașinii este prezentată mai jos.

Un tablou realizat de inteligența artificială Google.

Definiția inteligenței artificiale citată în preambul, dată de John McCarthy în 1956 la o conferință de la Universitatea din Dartmouth, nu este direct legată de înțelegerea inteligenței la oameni. Potrivit lui McCarthy, cercetătorii AI sunt liberi să folosească metode care nu sunt observate la oameni, dacă este necesar pentru a rezolva probleme specifice.

În același timp, există un punct de vedere conform căruia inteligența nu poate fi decât un fenomen biologic.

Potrivit președintelui filialei din Sankt Petersburg a Asociației Ruse pentru Inteligență Artificială T.A. Gavrilova, în limba engleză aşezare inteligență artificială nu are acea colorare antropomorfă ușor fantastică pe care a dobândit-o într-o traducere rusă destul de nefericită. Cuvânt inteligențăînseamnă „abilitatea de a raționa în mod rezonabil”, și nu „inteligență” deloc, pentru care există un analog englezesc intelect .

Membrii Asociației Ruse pentru Inteligența Artificială dau următoarele definiții ale inteligenței artificiale:

Una dintre definițiile particulare ale inteligenței, comune oamenilor și „mașinilor”, poate fi formulată astfel: „Inteligenta este capacitatea unui sistem de a crea, în cursul auto-învățarii, programe (în primul rând euristice) pentru rezolvarea problemelor de o anumită clasă de complexitate și pentru a rezolva aceste probleme”.

Condiții preliminare pentru dezvoltarea științei inteligenței artificiale

Istoria inteligenței artificiale ca nouă direcție științifică începe la mijlocul secolului al XX-lea. Până în acest moment, multe premise pentru originea sa au fost deja formate: printre filozofi au existat o lungă perioadă de timp dispute cu privire la natura omului și procesul de cunoaștere a lumii, neurofiziologii și psihologii au dezvoltat o serie de teorii cu privire la munca lui. creierul uman și gândirea, economiștii și matematicienii au pus întrebări calcule optimeși prezentarea cunoștințelor despre lume într-o formă formalizată; în cele din urmă, s-a născut fundamentul teoriei matematice a calculului - teoria algoritmilor - și au fost create primele calculatoare.

Capacitățile noilor mașini în ceea ce privește viteza de calcul s-au dovedit a fi mai mari decât cele umane, așa că a apărut întrebarea în comunitatea științifică: care sunt limitele capacităților computerelor și vor ajunge mașinile la nivelul dezvoltării umane? În 1950, unul dintre pionierii în domeniu tehnologie de calcul, om de știință englez Alan Turing, scrie un articol intitulat „Can a Machine Think?” , în care descrie o procedură prin care se va putea determina momentul în care o mașină este egală din punct de vedere al inteligenței cu o persoană, numită testul Turing.

Istoria dezvoltării inteligenței artificiale în URSS și Rusia

În URSS, lucrările în domeniul inteligenței artificiale au început în anii 1960. O serie de studii de pionierat au fost efectuate la Universitatea din Moscova și la Academia de Științe, conduse de Veniamin Pușkin și D. A. Pospelov. De la începutul anilor 1960, M. L. Tsetlin și colegii săi au dezvoltat probleme legate de formarea mașinilor cu stări finite.

În 1964, a fost publicată lucrarea logicianului de la Leningrad Serghei Maslov „ Metoda inversă stabilirea deductibilității în calculul predicat clasic”, care a fost primul care a propus o metodă de căutare automată a demonstrațiilor teoremelor în calculul predicat.

Până în anii 1970, toate cercetările IA din URSS au fost efectuate în cadrul ciberneticii. Potrivit lui D. A. Pospelov, științele „informatică” și „cibernetică” erau amestecate în acel moment, din cauza unei serii de dispute academice. Abia la sfârșitul anilor 1970 în URSS a început să se vorbească despre direcția științifică „inteligența artificială” ca ramură a informaticii. În același timp, s-a născut însăși informatica, subjugându-l pe progenitorul „ciberneticii”. La sfârșitul anilor 1970, dicţionar explicativ despre inteligența artificială, o carte de referință în trei volume despre inteligența artificială și un dicționar enciclopedic de informatică, în care secțiunile „Cibernetică” și „Inteligentă artificială” sunt incluse, alături de alte secțiuni, în componența informaticii. Termenul de „informatică” s-a răspândit în anii 1980, iar termenul de „cibernetică” dispare treptat din circulație, supraviețuind doar în numele acelor instituții apărute în epoca „boom-ului cibernetic” de la sfârșitul anilor 1950 - începutul anilor 1960. . Această viziune despre inteligența artificială, cibernetică și informatică nu este împărtășită de toată lumea. Acest lucru se datorează faptului că în Occident limitele acestor științe sunt oarecum diferite.

Abordări și direcții

Abordări pentru înțelegerea problemei

Nu există un singur răspuns la întrebarea ce face inteligența artificială. Aproape fiecare autor care scrie o carte despre AI pleacă de la o definiție în ea, luând în considerare realizările acestei științe în lumina ei.

  • AI de sus în jos, semiotică - crearea de sisteme expert, baze de cunoștințe și sisteme de inferență logică care imită procese mentale de nivel înalt: gândire, raționament, vorbire, emoții, creativitate etc.;
  • ascendent (în engleză Bottom-Up AI), biologic - studiul rețelelor neuronale și al calculelor evolutive care simulează un comportament inteligent bazat pe elemente biologice, precum și crearea unor sisteme de calcul adecvate, cum ar fi un neurocomputer sau un biocomputer.

Această din urmă abordare, strict vorbind, nu se aplică științei AI în sensul dat de John McCarthy - ei sunt uniți doar de un scop ultim comun.

Testul Turing și abordarea intuitivă

Această abordare se concentrează pe acele metode și algoritmi care vor ajuta un agent inteligent să supraviețuiască în mediu în timp ce își îndeplinește sarcina. Deci, aici algoritmii pentru găsirea unei căi și luarea deciziilor sunt studiați mult mai amănunțit.

Abordare hibridă

Abordare hibridă sugerează că numai o combinație sinergică de modele neuronale și simbolice realizează întreaga gamă de capacități cognitive și de calcul. De exemplu, regulile de inferență ale experților pot fi generate de rețelele neuronale, iar regulile generative sunt obținute prin învățarea statistică. Susținătorii acestei abordări consideră că sistemele informaționale hibride vor fi semnificativ mai puternice decât suma diferitelor concepte separat.

Modele și metode de cercetare

Modelarea simbolică a proceselor de gândire

Analizând istoria AI, se poate evidenția o direcție atât de largă ca modelarea raționamentului. Ani lungi dezvoltarea acestei științe s-a deplasat pe această cale, iar acum este una dintre cele mai dezvoltate domenii ale inteligenței artificiale moderne. Modelarea raționamentului implică crearea unor sisteme simbolice, la intrarea cărora este stabilită o anumită sarcină, iar la ieșire este necesară rezolvarea acesteia. De regulă, problema propusă a fost deja formalizată, adică tradusă într-o formă matematică, dar fie nu are un algoritm de rezolvare, fie este prea complicată, consumatoare de timp etc. Această zonă include: demonstrarea teoremei, luarea deciziilor. , și teoria jocului, planificare și expediere, prognozare.

Lucrul cu limbaje naturale

Un domeniu important este procesarea limbajului natural, în cadrul căreia se realizează analiza posibilităţilor de înţelegere, prelucrare şi generare a textelor în limbajul „uman”. În cadrul acestei direcții se stabilește scopul unei astfel de prelucrări a limbajului natural, care ar putea dobândi cunoștințe de la sine, prin citirea textului existent disponibil pe Internet. Unele aplicații directe ale procesării limbajului natural includ regăsirea informațiilor (inclusiv analiza textului profund) și traducerea automată.

Reprezentarea și utilizarea cunoștințelor

Direcţie ingineria cunoașteriiîmbină sarcinile de obținere a cunoștințelor din informații simple, sistematizarea și utilizarea acestora. Această tendință este asociată istoric cu creația sistem expert- programe care folosesc baze de cunoștințe specializate pentru a obține concluzii de încredere asupra oricărei probleme.

Producerea de cunoștințe din date este una dintre problemele de bază ale minării de date. Există diverse abordări pentru rezolvarea acestei probleme, inclusiv cele bazate pe tehnologia rețelelor neuronale, folosind proceduri de verbalizare a rețelelor neuronale.

Învățare automată

Problematic învățare automată se referă la proces independent dobândirea de cunoștințe de către un sistem inteligent în cursul activității sale. Această direcție a fost centrală încă de la începutul dezvoltării AI. În 1956, la Conferința de vară de la Dartmund, Ray Solomonoff a scris o lucrare despre mașina probabilistică nesupravegheată, numind-o „Mașina de inferență inductive”.

Robotică

Creativitatea mașinii

Natura creativității umane este chiar mai puțin studiată decât natura inteligenței. Cu toate acestea, acest domeniu există, și aici se pun problemele scrisului pe calculator de muzică, opere literare (de multe ori - poezii sau basme), creație artistică. Crearea de imagini realiste este utilizată pe scară largă în industria filmului și a jocurilor.

Separat, se evidențiază studiul problemelor creativității tehnice ale sistemelor de inteligență artificială. Teoria rezolvării inventive a problemelor, propusă în 1946 de G. S. Altshuller, a pus bazele unei astfel de cercetări.

Adăugarea acestei capacități oricărui sistem inteligent vă permite să demonstrați foarte clar ce percepe exact sistemul și cum îl înțelege. Adăugarea de zgomot în loc să lipsească informații sau filtrarea zgomotului cu cunoștințele disponibile în sistem produce imagini concrete din cunoștințe abstracte care sunt ușor de perceput de către o persoană, acest lucru este util în special pentru cunoștințele intuitive și de mică valoare, a căror verificare într-o formă formală necesită un efort mental semnificativ.

Alte domenii de cercetare

În cele din urmă, există multe aplicații de inteligență artificială, fiecare dintre ele formând o direcție aproape independentă. Exemplele includ inteligența de programare în jocurile pe calculator, controlul neliniar și sistemele inteligente de securitate a informațiilor.

În viitor, se presupune că dezvoltarea inteligenței artificiale este strâns legată de dezvoltarea unui computer cuantic, deoarece unele proprietăți ale inteligenței artificiale au principii de funcționare similare cu computerele cuantice.

Veți observa că multe domenii de cercetare se suprapun. Acest lucru este tipic oricărei științe. Dar în inteligența artificială, relația dintre direcții aparent diferite este deosebit de pronunțată, iar acest lucru se datorează dezbaterii filozofice despre IA puternică și slabă.

Inteligența artificială modernă

Există două direcții pentru dezvoltarea IA:

  • rezolvarea problemelor asociate cu abordarea sistemelor AI specializate de capabilitățile umane și integrarea acestora, care este implementată de natura umană ( vezi Boosting Intelligence);
  • crearea inteligenței artificiale, reprezentând integrarea sistemelor AI deja create într-un singur sistem capabil să rezolve problemele umanității ( vezi Inteligența artificială puternică și slabă).

Dar în în prezentîn domeniul inteligenței artificiale, există o implicare a multor domenii, care sunt mai degrabă o relație practică cu IA, decât fundamentale. Au fost încercate multe abordări, dar niciun grup de cercetare nu a abordat încă apariția inteligenței artificiale. Mai jos sunt doar câteva dintre cele mai cunoscute dezvoltări din domeniul AI.

Aplicație

Unele dintre cele mai cunoscute sisteme AI sunt:

Băncile folosesc sisteme de inteligență artificială (AI) în asigurări (matematică actuarială), tranzacționare la bursă și gestionarea proprietăților. Metodele de recunoaștere a modelelor (inclusiv cele mai complexe și specializate, precum și rețelele neuronale) sunt utilizate pe scară largă în recunoașterea optică și acustică (inclusiv text și vorbire), diagnosticare medicală, filtre de spam, în sistemele de apărare aeriană (determinarea țintei), precum și ca să asigure o serie de alte sarcini de securitate naţională.

Psihologie și Cognitologie

Metodologia de modelare cognitivă este concepută pentru analiză și luarea deciziilor în situații prost definite. A fost sugerat de Axelrod.

Se bazează pe modelarea ideilor subiective ale experților despre situație și include: o metodologie de structurare a unei situații: un model de reprezentare a cunoștințelor unui expert sub forma unui digraf cu semne (hartă cognitivă) (F, W), unde F este un set de factori ai unei situații, W este un set de relații cauză-efect între factorii unei situații; metode de analiză a situaţiei. În prezent, metodologia modelării cognitive se dezvoltă în direcția perfecționării aparatului de analiză și modelare a situației. Aici sunt propuse modele de prognoză a evoluției situației; metode de rezolvare a problemelor inverse.

Filozofie

Știința „despre crearea inteligenței artificiale” nu putea să nu atragă atenția filozofilor. Odată cu apariția primelor sisteme inteligente, au fost ridicate întrebări fundamentale despre om și cunoaștere, și parțial despre ordinea mondială.

Problemele filozofice ale creării inteligenței artificiale pot fi împărțite în două grupe, relativ vorbind, „înainte și după dezvoltarea AI”. Primul grup răspunde la întrebarea: „Ce este AI, este posibil să o creezi și, dacă este posibil, cum să o faci?” Al doilea grup (etica inteligenței artificiale) pune întrebarea: „Care sunt implicațiile AI pentru umanitate?”

Termenul de „inteligență artificială puternică” a fost introdus de John Searle, iar abordarea sa se caracterizează prin:

Mai mult, un astfel de program nu ar fi doar un model al minții; ea este in literalmente cuvintele în sine vor fi rațiune, în același sens în care mintea umană este rațiune.

În același timp, este necesar să înțelegem dacă este posibilă o minte „pură artificială” („meta-minte”), care înțelege și rezolvă probleme reale și, în același timp, este lipsită de emoții caracteristice unei persoane și necesare. pentru supraviețuirea lui individuală [ ] .

Dimpotrivă, susținătorii AI slabe preferă să vadă programele doar ca pe un instrument care le permite să rezolve anumite probleme care nu necesită întregul spectru al abilităților cognitive umane.

Etică

Alte credințe tradiționale descriu rareori problemele AI. Dar unii teologi acordă totuși atenție acestui lucru. De exemplu, protopopul Mihail Zaharov, argumentând din punctul de vedere al viziunii creștine asupra lumii, pune urmatoarea intrebare: „Omul este o ființă rezonabil liberă, creată de Dumnezeu după chipul și asemănarea Sa. Suntem obișnuiți să raportăm toate aceste definiții la specia biologică Homo Sapiens. Dar cât de justificat este asta?” ... El răspunde la această întrebare după cum urmează:

Presupunând că cercetarea în inteligența artificială va duce vreodată la apariția unei ființe artificiale, superioară omului ca inteligență, cu liber arbitru, ar însemna aceasta că această creatură este un om? … Omul este creația lui Dumnezeu. Putem numi această creatură creația lui Dumnezeu? La prima vedere, este o creație umană. Dar chiar și în timpul creării omului, nu merită să înțelegem literal că Dumnezeu a modelat primul om din lut cu propriile sale mâini. Aceasta este probabil o alegorie care indică materialitatea corpului uman, creată de voința lui Dumnezeu. Dar fără voia lui Dumnezeu, nimic nu se întâmplă în această lume. Omul, ca co-creator al acestei lumi, poate, împlinind voia lui Dumnezeu, să creeze noi creaturi. Astfel de creaturi, create de mâini omenești după voia lui Dumnezeu, pot fi numite probabil creații ale lui Dumnezeu. La urma urmei, omul creează noi specii de animale și plante. Și considerăm că plantele și animalele sunt creații ale lui Dumnezeu. Același lucru poate fi aplicat unei ființe artificiale de natură non-biologică.

Operă științifico-fantastică

Subiectul AI este considerat din diferite unghiuri în lucrarea lui Robert Heinlein: ipoteza apariției conștientizării de sine a IA atunci când structura devine mai complexă dincolo de un anumit nivel critic și prezența interacțiunii cu lumea exterioară și cu alți purtători. ale minții („Luna este o stăpână aspră”, „Time Enough For Love”, personajele Mycroft, Dora și Aya din seria „Istoria viitorului”), probleme ale dezvoltării IA după conștientizarea de sine ipotetică și unele probleme socio-etice („vineri”). Problemele socio-psihologice ale interacțiunii umane cu IA sunt luate în considerare și de romanul lui Philip K. Dick Do Androids Dream of Electric Sheep? ", De asemenea, cunoscut pentru adaptarea filmului "Blade Runner".

În lucrările scriitorului și filozofului de science fiction Stanislav Lem, creația lui realitate virtuala, inteligența artificială, nanoroboții și multe alte probleme ale filozofiei inteligenței artificiale. Mai ales demn de remarcat este futurologia Suma Tehnologiei. În plus, în aventurile lui Iyon liniștitul, relația dintre ființele vii și mașini este descrisă în mod repetat: revolta computerului de bord cu evenimente neașteptate ulterioare (a 11-a călătorie), adaptarea roboților în societatea umană („Washing Tragedy " din „Memories of Iyon the Quiet”), construirea ordinii absolute pe planetă prin prelucrarea locuitorilor vii (a 24-a călătorie), invenții ale lui Corcoran și Diagoras („Memories of Iyon the Quiet”), o clinică psihiatrică pentru roboți („ Amintiri ale lui Iyon liniștitul"). În plus, există un întreg ciclu de romane și povești despre Cyberiad, în care aproape toate personajele sunt roboți, care sunt descendenți îndepărtați ai roboților care au scăpat de oameni (ei îi spun pe oameni palizi și îi consideră creaturi mitice).

Filme

Începând cu aproape anii 1960, odată cu scrierea de povești și novele științifico-fantastice, au fost realizate filme despre inteligența artificială. Multe povești ale autorilor recunoscuți în întreaga lume sunt filmate și devin clasice ale genului, altele devin o piatră de hotar în dezvoltarea

Din momentul în care inteligența artificială a fost recunoscută ca domeniu științific, iar acest lucru s-a întâmplat la mijlocul anilor 50 ai secolului trecut, dezvoltatorii de sisteme inteligente au fost nevoiți să rezolve multe probleme. În mod convențional, toate sarcinile pot fi împărțite în mai multe clase: recunoașterea și traducerea limbajului uman, demonstrarea automată a teoremei, crearea de programe de joc, recunoașterea imaginilor și creativitatea mașinii. Să luăm în considerare pe scurt esența fiecărei clase de probleme.

Demonstrarea teoremelor.

Demonstrarea automată a teoremei este cea mai veche aplicație în inteligența artificială. Au fost efectuate multe cercetări în acest domeniu, al căror rezultat a fost apariția algoritmilor de căutare formalizați și a limbajelor de reprezentare formală, cum ar fi PROLOG, un limbaj de programare logic și calculul predicat.

Demonstrarea automată a teoremei este atractivă deoarece se bazează pe generalitatea și rigoarea logicii. Logica într-un sistem formal presupune posibilitatea automatizării, ceea ce înseamnă că dacă vă imaginați sarcina și Informații suplimentare sub forma unui set de axiome logice și cazuri speciale ale problemei - ca teoreme care necesită demonstrație, se poate obține o soluție la multe probleme. Sistemele de justificare matematică și demonstrarea automată a teoremelor se bazează pe acest principiu. În anii trecuți, s-au făcut numeroase încercări de a scrie un program pentru demonstrarea automată a teoremei, însă nu a fost posibilă crearea unui sistem care să permită rezolvarea problemelor folosind o metodă unificată. Orice sistem euristic relativ complex putea genera multe teoreme irelevante de demonstrat și, în consecință, programele trebuiau să le demonstreze până când era găsită cea potrivită. Din acest motiv, a apărut opinia că spațiile mari nu pot fi tratate decât prin strategii informale special concepute pentru cazuri specifice. În practică, această abordare s-a dovedit a fi destul de fructuoasă și a fost folosită, împreună cu altele, pe baza unor sisteme experte.

În același timp, nu se poate ignora raționamentul bazat pe logica formală. O abordare formalizată poate rezolva multe probleme. În special, folosindu-l, puteți controla sisteme complexe, puteți verifica corectitudinea programelor de calculator, puteți proiecta și testa circuite logice. În plus, demonstratorii de teoreme au dezvoltat euristici puternice bazate pe evaluarea formei sintactice a expresiilor logice. Ca urmare, a devenit posibilă reducerea complexității spațiului de căutare fără a recurge la dezvoltarea unor strategii speciale.

Demonstrarea automată a teoremei este de interes pentru oamenii de știință și pentru motivul că sistemul poate fi folosit și pentru probleme deosebit de complexe, deși nu fără intervenția umană. În zilele noastre, programele acționează adesea ca asistenți. Experții împart sarcina în mai multe subsarcini, apoi se gândesc la euristici pentru a enumera posibilele motive. Apoi, programul demonstrează leme, testează ipoteze mai puțin semnificative și face completări la aspectele formale ale dovezilor prezentate de persoană.

Recunoasterea formelor.

Recunoașterea modelelor este selecția trăsăturilor esențiale care caracterizează datele inițiale din setul general de caracteristici, iar pe baza informațiilor primite, datele sunt atribuite unei anumite clase.

Teoria recunoașterii modelelor este o ramură a informaticii, ale cărei sarcini includ dezvoltarea fundamentelor și metodelor de identificare și clasificare a obiectelor (obiecte, procese, fenomene, situații, semnale etc.), fiecare dintre acestea fiind înzestrată cu un set. a anumitor semne şi proprietăţi. În practică, este necesar să se identifice obiectele destul de des. O situație tipică este recunoașterea culorii unui semafor și deciderea dacă este cazul acest moment traverseaza strada. Există și alte domenii în care nu se poate renunța la recunoașterea obiectelor, de exemplu, digitalizarea semnalelor analogice, știința militară, sistemele de securitate și așa mai departe, așa că astăzi oamenii de știință continuă să lucreze activ la crearea sistemelor de recunoaștere a imaginilor.

Lucrarea se desfășoară în două direcții principale:

  • · Cercetarea, explicarea și modelarea abilităților de recunoaștere inerente ființelor vii.
  • · Dezvoltarea bazelor teoretice și metodologice pentru crearea de dispozitive care să permită rezolvarea problemelor individuale în scopuri aplicate.

Sarcinile de recunoaștere sunt formulate folosind un limbaj matematic. În timp ce teoria rețelelor neuronale artificiale se bazează pe obținerea de rezultate prin experimente, formularea problemelor de recunoaștere a modelelor nu are loc pe baza unui experiment, ci pe baza unor dovezi matematice și raționament logic.

Să luăm în considerare formularea clasică a unei astfel de probleme. Sunt multe obiecte care trebuie clasificate. Un set este format din submulțimi sau clase. Date: informații care descriu o mulțime, informații despre clase și o descriere a unui singur obiect fără a indica apartenența acestuia la o anumită clasă. Sarcină: pe baza datelor disponibile, determinați cărei clase îi aparține obiectul.

Dacă în sarcini există imagini monocrome, acestea pot fi considerate funcții în avion. Funcția va reprezenta o înregistrare formală a imaginii și în fiecare punct va exprima o anumită caracteristică a imaginii date - densitate optica, transparență, luminozitate etc. În acest caz, modelul setului de imagini va fi un set de funcții pe plan. Declarația problemei de recunoaștere depinde de pașii care urmează recunoașterii.

Metodele de recunoaștere a modelelor includ experimentele lui F. Rosenblatt, care a introdus conceptul de model cerebral. Obiectivul experimentului este de a arăta cum apar fenomene psihologice într-un sistem fizic cu proprietăți funcționale și structură cunoscute. Omul de știință a descris cele mai simple experimente de recunoaștere, dar caracteristica lor este un algoritm de soluție nedeterministă.

Cel mai simplu experiment, pe baza căruia pot fi obținute informații semnificative din punct de vedere psihologic despre sistem, este următorul: perceptronul este prezentat cu o secvență de doi stimuli diferiți, la fiecare dintre care trebuie să reacționeze într-un fel, iar reacția trebuie fi diferit pentru stimuli diferiți. Scopurile unui astfel de experiment pot fi diferite. Experimentatorul poate fi confruntat cu sarcina de a studia posibilitatea discriminării spontane de către sistemul stimulilor prezentați fără interferențe externe sau, dimpotrivă, de a studia posibilitatea recunoașterii forțate. În al doilea caz, experimentatorul învață sistemul să clasifice diverse obiecte, dintre care pot fi mai mult de două. Experiența de învățare este următoarea: perceptronul este prezentat cu imagini, printre care se numără reprezentanți ai tuturor claselor care trebuie recunoscute. Răspunsul corect este întărit de regulile de modificare a memoriei. După aceea, experimentatorul prezintă perceptronului un stimul de control și determină probabilitatea de a obține o anumită reacție pentru imaginile unei clase date. Stimulul de control poate coincide cu unul dintre obiectele prezentate în secvența de antrenament sau poate diferi de toate obiectele prezentate. În funcție de aceasta, se obțin următoarele rezultate:

  • · Dacă stimulul de control diferă de toți stimulii de antrenament prezentați anterior, atunci pe lângă discriminarea pură, experimentul examinează elementele de generalizare.
  • · Dacă un stimul de control determină activarea unui anumit grup de elemente senzoriale care nu coincid cu niciunul dintre elementele care au fost activate atunci când au fost expuse la stimuli din aceeași clasă prezentate mai devreme, atunci experimentul explorează generalizarea pură și nu include studiul. de recunoaștere.

În ciuda faptului că perceptronii nu sunt capabili de generalizare pură, ei sunt satisfăcători pentru sarcinile de recunoaștere, mai ales în acele cazuri când sunt prezentate imagini în raport cu care perceptronul are deja o anumită experiență.

Recunoașterea vorbirii umane și traducerea automată.

Obiectivele pe termen lung ale inteligenței artificiale includ crearea de programe care să recunoască limbajul uman și să-l folosească pentru a construi fraze semnificative. Abilitatea de a înțelege și aplica limbajul natural este o trăsătură fundamentală a inteligenței umane. Automatizarea cu succes a acestei abilități ar îmbunătăți considerabil eficiența computerelor. Până în prezent, au fost scrise multe programe care pot înțelege limbajul natural și sunt aplicate cu succes în contexte limitate, dar încă nu există sisteme care să poată folosi limbaje naturale cu aceeași generalitate și flexibilitate ca și oamenii. Faptul este că procesul de înțelegere a unei limbi naturale nu este doar o simplă analizare a propozițiilor în constituenții lor și căutarea semnificațiilor cuvintelor individuale în dicționare. Programele fac față cu succes acestei sarcini. Pentru a folosi vorbirea umană, sunt necesare cunoștințe extinse despre subiectul conversației, despre idiomurile legate de acesta, în plus, capacitatea de a înțelege ambiguitățile, omisiunile, profesionalismul, jargonul, expresiile vernaculare și multe alte lucruri care sunt inerente vorbirii umane normale. este necesară.

Un exemplu este o conversație despre fotbal, în care sunt folosite cuvinte precum „atacant”, „pasă”, „pasă”, „lovitură liberă”, „apărător”, „atacant”, „căpitan” și altele. Fiecare dintre aceste cuvinte este caracterizat de un set de semnificații, iar în mod individual cuvintele sunt destul de înțelese, dar expresia formată din ele va fi de neînțeles pentru oricine nu este pasionat de fotbal și nu știe nimic despre istoria, regulile și principiile acestui lucru. joc. Astfel, pentru a înțelege și aplica limbajul uman este nevoie de un set de cunoștințe de bază, iar una dintre principalele probleme în automatizarea înțelegerii și aplicării limbajului uman natural este colectarea și sistematizarea unor astfel de cunoștințe.

În măsura în care sensuri semantice sunt utilizate pe scară largă în inteligența artificială, oamenii de știință au dezvoltat o serie de metode care fac posibilă structurarea lor într-o oarecare măsură. Cu toate acestea, cea mai mare parte a muncii se desfășoară în acele domenii problematice care sunt bine înțelese și specializate. Un exemplu este tehnica „microworld”. Unul dintre primele programe în care a fost folosit a fost programul SHRDLU, dezvoltat de Terry Winograd, care este unul dintre sistemele de înțelegere a vorbirii umane. Capacitățile programului au fost destul de limitate și s-au rezumat la o „conversație” despre aranjarea blocurilor de diferite culori și forme, precum și la planificarea celor mai simple acțiuni. Programul a oferit răspunsuri la întrebări precum „De ce culoare este piramida de pe bara transversală?” și ar putea da instrucțiuni de genul „Pune blocul albastru pe roșu”. Astfel de sarcini au fost adesea atinse de cercetătorii de inteligență artificială și mai târziu au devenit cunoscute drept „lumea blocurilor”.

În ciuda faptului că programul SHRDLU a „vorbit” cu succes despre aranjarea blocurilor, acesta nu a fost dotat cu capacitatea de a face abstracție din această „microlume”. A folosit tehnici prea simple care nu erau capabile să transmită organizarea semantică a disciplinelor de complexitate mai mare.

Lucrările curente în domeniul înțelegerii și aplicării limbilor naturale vizează în principal găsirea de formalisme de reprezentare suficient de generale care să poată fi adaptate structurilor specifice ale domeniilor date și aplicate într-o gamă largă de aplicații. Majoritatea tehnicilor existente, care sunt modificări ale rețelelor semiotice, sunt studiate și aplicate pentru a scrie programe care pot recunoaște limbajul natural în domenii înguste. În același timp, posibilități moderne nu permit crearea unui program universal capabil să înțeleagă vorbirea umană în toată diversitatea ei.

Printre varietatea de sarcini de recunoaștere a imaginii, se pot distinge următoarele:

  • Clasificarea documentelor
  • Determinarea zăcămintelor minerale
  • Recunoașterea imaginilor
  • Recunoașterea codurilor de bare
  • Recunoașterea caracterelor
  • · Recunoaștere a vorbirii
  • Recunoaștere facială
  • Recunoașterea plăcuțelor de înmatriculare

Inteligența artificială în programele de jocuri.

Inteligența artificială a jocurilor include nu numai metode tradiționale de inteligență artificială, ci și algoritmi pentru informatică în general, grafică pe computer, robotică și teoria controlului. Modul în care este implementat AI depinde nu numai de cerințele de sistem, ci și de bugetul jocului, așa că dezvoltatorii trebuie să echilibreze, încercând să se asigure că inteligența artificială a jocului este creată cu costuri minime și, în același timp, este interesant și nesolicitant pentru resurse. Este nevoie de o abordare complet diferită de inteligența artificială tradițională. În special, emulațiile, înșelăciunile și diversele simplificări sunt utilizate pe scară largă. Exemplu: O caracteristică a shooter-urilor la persoana întâi este capacitatea roboților de a se mișca cu precizie și instantaneu să ținte, dar, în același timp, o persoană nu are o singură șansă, astfel încât capacitatea roboților este redusă artificial. În același timp, punctele de control sunt plasate la nivel astfel încât roboții să poată acționa ca o echipă, să pună la punct ambuscade etc. imagine inteligență artificială

În jocurile pe calculator controlate de inteligența artificială a jocului, există următoarele categorii de personaje:

  • Mobs - personaje cu nivel scăzut inteligență, ostilă jucătorului uman. Jucătorii distrug mulțimi pentru a trece teritoriul, pentru a obține artefacte și puncte de experiență.
  • · Personaje non-jucatoare - de obicei, aceste personaje sunt prietenoase sau neutre fata de jucator.
  • · Bots – personaje ostile față de jucători, cele mai greu de programat. Capacitățile lor se apropie de cele ale personajelor din joc. Un anumit număr de boți sunt împotriva jucătorului la un moment dat.

Există multe zone în cadrul unui joc pe computer care utilizează o mare varietate de algoritmi euristici pentru inteligența artificială a jocurilor. Jocul AI este cel mai larg utilizat ca una dintre modalitățile de a controla NPC-urile. O altă metodă, nu mai puțin obișnuită de control, este scripting-ul. O altă utilizare evidentă a jocului AI, în special în strategia în timp real, este identificarea căii sau o metodă pentru a determina modul în care un NPC poate ajunge de la un punct de pe hartă la altul. În acest sens, trebuie luate în considerare obstacolele, terenul și posibila „ceață de război”. De asemenea, echilibrarea dinamică a mafioților nu este completă fără utilizarea inteligenței artificiale. Multe jocuri au încercat conceptul de inteligență imprevizibilă. Acestea sunt jocuri precum Nintendogs, Black & White, Creatures și binecunoscuta jucărie „Tamagotchi”. În aceste jocuri, personajele sunt animale de companie, al căror comportament se modifică în funcție de acțiunile jucătorului. Personajele par a fi capabile să învețe, când în realitate acțiunile lor sunt rezultatul alegerii dintr-un set limitat de decizii.

Mulți programatori de jocuri consideră orice tehnică care creează iluzia inteligenței ca parte a inteligenței artificiale a jocului. Cu toate acestea, această abordare nu este în întregime corectă, deoarece aceleași tehnici pot fi utilizate nu numai în motoarele AI de joc. De exemplu, la crearea boților, algoritmii sunt folosiți cu informații introduse în ei despre posibile coliziuni viitoare, în urma cărora roboții dobândesc „aptitudinea” de a evita aceste ciocniri. Dar aceleași tehnici sunt o componentă importantă și necesară a unui motor fizic. Un alt exemplu: o componentă importantă a sistemului de țintire al unui bot sunt datele de apă, iar aceleași date sunt utilizate pe scară largă în motorul grafic pentru randare. Ultimul exemplu este scripting-ul. Acest instrument poate fi aplicat cu succes în toate aspectele dezvoltarea jocului dar este văzut cel mai adesea ca una dintre modalitățile de a controla acțiunile NPC-urilor.

Potrivit puriștilor, expresia „inteligență artificială de joc” nu are dreptul să existe, deoarece este o exagerare. Ca argument principal, ei au prezentat faptul că în joc AI sunt folosite doar unele domenii ale științei inteligenței artificiale clasice. Trebuie avut în vedere faptul că obiectivele AI sunt de a crea sisteme de auto-învățare și chiar de a crea inteligență artificială capabilă să raționeze, în timp ce aceasta este adesea limitată de euristică și un set de mai multe reguli generale, care sunt suficiente pentru a crea un joc bun. și oferă jucătorului impresii viiși senzația de a juca.

În prezent, dezvoltatorii de jocuri pe computer își manifestă interes pentru IA academică, iar comunitatea academică, la rândul ei, devine interesată de jocurile pe calculator. În acest sens, se pune întrebarea în ce măsură jocul și AI clasică diferă unele de altele. În același timp, inteligența artificială de joc este încă considerată una dintre subramurile celei clasice. Acest lucru se datorează faptului că inteligența artificială are diferite domenii de aplicare care diferă unele de altele. Apropo de inteligența jocului, o diferență importantă aici este capacitatea de a înșela pentru a rezolva anumite probleme în moduri „legale”. Pe de o parte, dezavantajul înșelăciunii este că adesea duce la un comportament nerealist al personajului și, prin urmare, nu poate fi folosit întotdeauna. Pe de altă parte, însăși posibilitatea unei astfel de înșelăciuni este un factor de diferențiere important al AI al jocului.

O altă sarcină interesantă a inteligenței artificiale este să învețe un computer să joace șah. Oamenii de știință din întreaga lume au fost implicați în soluția sa. Particularitatea acestei sarcini este că demonstrarea abilităților logice ale unui computer este posibilă numai în prezența unui adversar real. Pentru prima dată o astfel de demonstrație a avut loc în 1974, la Stockholm, unde a avut loc Campionatul Mondial de șah între programele de șah. Câștigătorul acestei competiții a fost programul Kaissa, creat de oamenii de știință sovietici de la Institutul pentru Probleme de Management al Academiei de Științe a URSS, situat la Moscova.

Inteligența artificială în creativitatea mașinilor.

Natura inteligenței umane nu a fost încă suficient studiată, iar gradul de studiu al naturii creativității umane este și mai mic. Cu toate acestea, una dintre ramurile inteligenței artificiale este creativitatea mașinilor. Calculatoarele moderne creează lucrări muzicale, literare și picturale, iar industria jocurilor pe calculator și a filmelor au folosit mult timp imagini realiste create de mașini. Programele existente creează diverse imagini care pot fi ușor percepute și înțelese de către o persoană. Acest lucru este deosebit de important atunci când vine vorba de cunoștințe intuitive, pentru verificarea oficială a cărora ar fi nevoie de un efort mental considerabil. Deci, problemele muzicale sunt rezolvate cu succes folosind un limbaj de programare, dintre care unul este limbajul CSound. Special software, cu ajutorul căruia se creează lucrări muzicale, este reprezentată de programe de compoziție algoritmică, sisteme de compoziție interactive, sisteme de sinteză și procesare a sunetului.

Sistem expert.

Dezvoltarea sistemelor expert moderne a fost realizată de cercetători încă de la începutul anilor 1970, iar la începutul anilor 1980, sistemele expert au început să fie dezvoltate pe o bază comercială. Prototipurile de sisteme experte, propuse în 1832 de omul de știință rus S. N. Korsakov, erau dispozitive mecanice numite „mașini inteligente”, care făceau posibilă găsirea unei soluții, ghidată de condițiile date. De exemplu, au fost analizate simptomele unei boli observate la un pacient și au fost sugerate cele mai potrivite medicamente pe baza rezultatelor acestei analize.

Informatica ia in considerare sistemele expert in legatura cu bazele de cunostinte. Sistemele sunt modele de comportament expert bazate pe aplicarea procedurilor decizionale și a concluziilor logice. Bazele de cunoștințe sunt considerate ca un set de reguli și fapte de inferență care au legătură directă cu domeniul de activitate ales.

La sfârșitul secolului trecut s-a dezvoltat un anumit concept de sisteme expert, profund axat pe interfața textuală om-mașină, care era general acceptat la acea vreme. În prezent, acest concept a trecut printr-o criză gravă, legată, cel mai probabil, de faptul că interfața grafică a înlocuit interfața textuală în aplicațiile utilizator. În plus, modelul de date relaționale și viziunea „clasică” a construcției sistemelor expert nu sunt de acord între ele. În consecință, organizarea bazelor de cunoștințe ale sistemelor expert nu poate fi realizată eficient, cel puțin cu utilizarea de sisteme industriale managementul bazei de date. Sursele literare și online oferă multe exemple de sisteme expert numite „larg răspândit” sau „larg cunoscut”. De fapt, toate aceste sisteme expert au fost create în anii 80 ai secolului trecut și, până acum, fie au încetat să mai existe, fie sunt iremediabil depășite și există datorită câtorva entuziaști. Pe de altă parte, dezvoltatorii de modern produse software se referă adesea la creațiile lor ca sisteme expert. Asemenea afirmații nu sunt altceva decât un truc de marketing, pentru că în realitate aceste produse nu sunt sisteme expert (un exemplu este oricare dintre sistemele de referință juridice informatice). Entuziaștii încearcă să combine abordările pentru crearea unei interfețe cu utilizatorul cu abordările „clasice” pentru construirea de sisteme expert. Aceste încercări se reflectă în proiecte precum CLIPS.NET, CLIPS Java Native Interface și altele, dar marile companii de software nu se grăbesc să finanțeze astfel de proiecte și, din acest motiv, dezvoltarea nu avansează dincolo de etapa experimentală.

Întreaga varietate de domenii în care sistemele bazate pe cunoștințe pot fi aplicate pot fi împărțite în clase: diagnosticare medicală, planificare, prognoză, control și management, instruire, interpretare, diagnosticare a defecțiunilor echipamentelor electrice și mecanice, instruire. Să aruncăm o privire mai atentă la fiecare dintre aceste clase.

a) Sisteme de diagnostic medical.

Cu ajutorul unor astfel de sisteme, se determină modul în care diferitele tulburări ale activității organismului sunt legate între ele și motive posibile... Cel mai faimos sistem de diagnosticare este MYCIN. Este folosit pentru a diagnostica meningita și infecțiile bacteriene, precum și pentru a monitoriza starea pacienților care au aceste boli. Prima versiune a sistemului a fost dezvoltată în anii '70. Până în prezent, capacitățile sale s-au extins semnificativ: sistemul face diagnostice pe același nivel profesional, ca medic specialist, si poate fi aplicat in diferite domenii ale medicinei.

b) Sisteme predictive.

Sistemele sunt concepute pentru a prezice evenimente sau rezultatele evenimentelor pe baza datelor disponibile care caracterizează situația sau starea curentă a unui obiect. Astfel, programul „Conquest of Wall Street”, care folosește în activitatea sa metode statistice de algoritmi, este capabil să analizeze condițiile pieței și să dezvolte un plan de investiții de capital. Programul folosește algoritmi și proceduri de programare tradițională, deci nu poate fi clasificat ca un sistem bazat pe cunoștințe. Deja astăzi există programe care pot prezice fluxul de pasageri, randamentele și vremea, analizând datele disponibile. Astfel de programe sunt destul de simple, iar unele dintre ele pot fi folosite pe computere personale obișnuite. Cu toate acestea, încă nu există sisteme experte care ar putea, pe baza datelor privind condițiile de piață, să sugereze cum să majoreze capitalul.

c) Planificarea.

Sistemele de planificare sunt concepute pentru a rezolva probleme cu un numar mare variabile pentru a obţine rezultate specifice. Pentru prima dată în sfera comerciala astfel de sisteme erau folosite de firma Informat din Damasc. Conducerea companiei a comandat instalarea a 13 posturi în holul biroului, care asigura consultații gratuite pentru cumpărătorii care doreau să achiziționeze un computer. Mașinile au ajutat la alegerea care se potrivea cel mai bine bugetului și dorințelor cumpărătorului. De asemenea, sistemele expert au fost folosite de Boeing în scopuri precum repararea elicopterelor, determinarea cauzelor defecțiunii motoarelor de aeronave și proiectarea stațiilor de benzi desenate. DEC a creat sistemul expert XCON capabil să definească și să reconfigureze sistemele informatice VAX pentru a satisface cerințele clienților. DEC dezvoltă în prezent un sistem XSEL mai puternic, care include baza de cunoștințe XCON. Scopul sistemului este de a ajuta consumatorii să aleagă un sistem de calcul cu configurația necesară. Diferența dintre XSEL și XCON este că este interactiv.

d) Interpretare.

Sistemele interpretative sunt capabile să tragă concluzii pe baza rezultatelor observației. Unul dintre cele mai cunoscute sisteme de interpretare este sistemul PROSPECTOR. Funcționează folosind date bazate pe cunoștințele a nouă experți. Eficacitatea sistemului poate fi evaluată dintr-un exemplu: folosirea a nouă metode diferite examinare, sistemul a descoperit un zăcământ de minereu, a cărui prezență nu ar fi putut fi presupusă de niciun expert. Un alt sistem de tip interpretativ binecunoscut este HASP/SIAP. Ea folosește date sisteme acustice urmărirea și pe baza acestora determină locația navelor în Pacificși tipurile lor.

e) Sisteme inteligente de control și management.

Sistemele experte sunt utilizate cu succes pentru monitorizare și control. Ei sunt capabili să analizeze datele primite din mai multe surse și să ia decizii pe baza rezultatelor analizei. Astfel de sisteme sunt capabile să efectueze control medical și să controleze mișcarea aeronavelor, în plus, sunt utilizate pe centrale nucleare... De asemenea, ajută la reglementarea activităților financiare ale întreprinderii și la dezvoltarea de soluții în situații critice.

f) Diagnosticarea și depanarea echipamentelor electrice și mecanice.

Sistemele bazate pe cunoștințe sunt aplicate în astfel de cazuri:

reparații de locomotive diesel, automobile și alte dispozitive electrice și mecanice;

diagnosticare și eliminarea erorilor și defecțiunilor în software-ul și hardware-ul computerelor.

g) Sisteme de instruire pe calculator.

Utilizarea sistemelor bazate pe cunoștințe în scopuri didactice este destul de eficientă. Sistemul analizează comportamentul și activitatea obiectului și, în conformitate cu informațiile primite, modifică baza de cunoștințe. Cel mai simplu exemplu astfel de antrenament - joc pe calculator, în care nivelurile devin mai dificile pe măsură ce abilitățile jucătorului crește. Interesant sistem de instruire - EURISCO - dezvoltat de D. Lenat. Utilizează euristică simplă. Sistemul a fost aplicat într-un joc care simulează luptă... Esența jocului este de a determina compoziția optimă a flotilei, care ar putea provoca înfrângere, respectând multe reguli. Sistemul a făcut față cu succes acestei sarcini, inclusiv o navă mică și mai multe nave capabile să efectueze un atac în flotă. Regulile jocului s-au schimbat în fiecare an, dar sistemul EURISCO a triumfat constant pe parcursul a trei ani.

Există multe sisteme expert, care, în ceea ce privește conținutul cunoștințelor, pot fi atribuite mai multor tipuri simultan. De exemplu, un sistem care realizează planificarea poate fi și un sistem de instruire. Ea este capabilă să determine nivelul de cunoștințe al elevului și, pe baza acestor informații, să întocmească un curriculum. Sistemele de control sunt utilizate pentru planificare, prognoză, diagnosticare și control. Sistemele concepute pentru a proteja o casă sau un apartament pot urmări schimbările din mediu, pot prezice evoluția situației și pot elabora un plan pentru acțiuni ulterioare. De exemplu, o fereastră s-a deschis și un hoț încearcă să intre în cameră prin ea, prin urmare, este necesar să suni la poliție.

Adoptarea pe scară largă a sistemelor expert a început în anii 1980, când au fost comercializate pentru prima dată. ES sunt utilizate în multe domenii, inclusiv în afaceri, știință, tehnologie, producție și alte industrii caracterizate printr-un domeniu foarte specific. În acest context, „destul de definit” înseamnă că o persoană poate împărți linia de raționament în etape separate și, astfel, orice problemă care se află în cadrul acestui domeniu poate fi rezolvată. Prin urmare, un program de calculator poate efectua acțiuni similare. Este sigur să spunem că utilizarea capacităților inteligenței artificiale deschide posibilități infinite pentru umanitate.

Dezvoltarea inteligenței artificiale este o chestiune de timp. Mai devreme sau mai târziu, mașinile vor putea concura pe picior de egalitate cu oamenii în acțiuni care necesită procese de gândire. Recent, un profesor de matematică la Universitatea din Oxford, Marcus du Sautoy, a sugerat că tehnologiile cu conștiință pot fi echivalate cu oamenii din punct de vedere legal.


Inteligența artificială s-a mutat în scriitori

„Conștiința de sine” a computerului

Potrivit multor oameni de știință, mai devreme sau mai târziu tehnologiile vor putea să-și dezvolte în mod independent inteligența. Acest proces se numește „singularitate tehnologică”. „La un moment dat vom putea spune că acest lucru are conștientizarea în sine și poate că aceasta va fi linia dincolo de care apare această conștiință”, spune du Sautoy.

Dar cum poți spune dacă o mașină este „conștientă de sine”? În prezent, „testul Turing” este folosit pentru a determina nivelul de inteligență artificială. Esența sa constă în faptul că expertul evaluează conversația dintre om și mașină pe anumite subiecte. În același timp, el nu știe dinainte care dintre acești doi este un program de calculator și care este un operator uman... Dacă expertului îi este greu să spună care dintre ei este cine, atunci testul este considerat trecut.

Potrivit inventatorului și futurologului american Ray Kurzweil, până în 2029 vor exista mașini care vor putea trece testul Turing, iar până în anii 2040, inteligența artificială va depăși inteligența umană de un miliard de ori...

Ultima generație folosește structuri care imită activitatea neuronală a creierului. Astfel, procesul de scanare este capabil să dezvăluie prezența conștiinței. Cum? Ei bine, de exemplu, la oameni, neuronii într-o stare conștientă și inconștientă (să zicem, somn) funcționează diferit. Dacă creierul unui computer reacționează ca un creier uman în conștiință, atunci înseamnă că este!

Trei tipuri de inteligență artificială

Și ce, de fapt, ar trebui să fie înțeles prin sintagma „”? El, potrivit experților, poate fi de trei tipuri.

Primul tip este îngust direcționat, capabil să execute doar un rând anumite funcții... Acestea sunt, de exemplu, asistenți electronici, roboți - parcări sau programe care joacă șah.

Al doilea este AI generic. El este cel mai aproape de om. Acestea sunt în primul rând umanoizi, care sunt cât mai asemănătoare cu noi. Aceștia pot juca rolul de recepționer în hoteluri, vânzători, salvamari... Vor fi învățați să imite emoțiile umane pentru a face interacțiunile cu o persoană mai constructive.

Al treilea tip este superinteligența. Exact de asta se tem unii futuriști și scriitori de science fiction... Capacitățile unei astfel de inteligențe le vor depăși cu mult pe cele umane. Cel mai probabil, astfel de dispozitive „foarte inteligente” se vor uni în cele din urmă într-o rețea puternică precum Skynet din „The Terminator”...

Fără Skynet!

Pentru început, să ne imaginăm că computerele au devenit capabile să devină conștiente de ele însele ca „indivizi”. Să spunem că „înțeleg” atunci când sunt răniți. Ei bine, să presupunem că nu le curăță la timp sau nu bat cu pumnii în carcasa în caz de îngheț... Sau pur și simplu supraîncărcă procesorul și memoria cu munca...

Dacă cruzimea față de animale există, de ce nu cruzimea computerizată? Acestea fiind spuse, nu uitați că inteligența artificială este probabil mult mai inteligentă decât orice animal. Și dacă da, atunci va fi necesar să oferim sistemelor electronice posibilitatea de a-și apăra drepturile!

„Computerele AI ar putea avea în curând propriul cod de „drepturi” care le-ar putea permite să vă dea în judecată pentru că le disprețuiți”, prezice du Sautoy.

Cu toate acestea, poate nu totul este atât de înfricoșător? În cadrul recentei conferințe Code 2016, antreprenorul Elon Musk, care a fondat organizația nonprofit Organizație deschisă Inteligența artificială, al cărei scop este crearea și dezvoltarea inteligenței artificiale prietenoase, a anunțat că, în viitor, oamenii și tehnologiile înalte trebuie să învețe să interacționeze strâns între ei. În special, o persoană a viitorului va putea conecta un avatar virtual integrat într-o rețea specială la propriul creier.

Acțiunile avatarului vor fi monitorizate programe inteligente care nu le va permite să facă rău nimănui sau nimic. „Dezvoltarea tehnologiilor legate de inteligența artificială nu ar trebui să fie înfricoșătoare”, a spus Musk. „Prezența și evoluția sa nu înseamnă neapărat că în viitor vom obține cu toții ceva de genul Skynet”.

  • Mustafina Nailya Mugattarovna, licență, student
  • Universitatea Agrară de Stat Bashkir
  • Sharafutdinov Aydar Gazizyanovich, Candidat la știință, profesor asociat, profesor asociat
  • Universitatea Agrară de Stat Bashkir
  • MAȘINI DE CALCUL
  • TEHNICĂ
  • ȘTIINȚA
  • INTELIGENȚĂ ARTIFICIALĂ

Progresul științific și tehnologic se dezvoltă rapid astăzi. Una dintre industriile cu cea mai rapidă creștere este inteligența artificială.

Progresul tehnologic se dezvoltă rapid astăzi. Știința nu stă pe loc și în fiecare an oamenii vin cu tehnologii din ce în ce mai avansate. Inteligența artificială este una dintre noile direcții în dezvoltarea progresului tehnologic.

Pentru prima dată, omenirea a auzit despre inteligența artificială în urmă cu mai bine de 50 de ani. Acest lucru s-a întâmplat la o conferință ținută în 1956 la Universitatea din Dartmouth, la care John McCarthy a dat termenului o definiție clară și concisă. „Inteligenta artificiala este stiinta de a crea masini inteligente si programe de calculator. În scopul acestei științe, computerele sunt folosite ca mijloc de înțelegere a caracteristicilor inteligenței umane, în același timp, studiul AI nu ar trebui să se limiteze la utilizarea unor metode plauzibile din punct de vedere biologic.

Inteligența artificială a computerelor moderne este de un nivel destul de ridicat, dar nu la un nivel atât de mare încât abilitățile lor comportamentale să nu fie inferioare nici măcar celor mai primitive animale.

Rezultatul cercetărilor privind „inteligența artificială” este dorința de a înțelege activitatea creierului, de a dezvălui secretele conștiinței umane și problema creării de mașini cu un anumit nivel de inteligență umană. Posibilitatea fundamentală de modelare a proceselor intelectuale implică faptul că orice funcție a creierului, orice activitate mentală descrisă într-un limbaj cu semantică strict lipsită de ambiguitate folosind un număr finit de cuvinte, în principiu, poate fi transferată pe un computer digital electronic.

În prezent, unele modele de inteligență artificială au fost dezvoltate în diverse domenii, dar încă nu a fost creat niciun computer capabil să prelucreze informații în vreun domeniu nou.

Printre cele mai importante clase de sarcini care au fost puse dezvoltatorilor de sisteme inteligente de la definirea inteligenței artificiale ca direcție științifică, trebuie evidențiate următoarele. direcții ale inteligenței artificiale:

  • Demonstrarea teoremelor. Studierea tehnicilor de demonstrare a teoremelor a jucat rol importantîn dezvoltarea inteligenței artificiale. Multe probleme informale, de exemplu, diagnosticul medical, sunt utilizate în rezolvarea abordărilor metodologice care au fost folosite pentru a automatiza demonstrarea teoremelor. Găsirea unei dovezi a unei teoreme matematice necesită nu numai deducerea din ipoteze, ci și ipotezele intuitive despre ce afirmații intermediare ar trebui demonstrate pentru o demonstrație generală a teoremei principale.
  • Recunoașterea imaginilor. Utilizarea inteligenței artificiale pentru recunoașterea modelelor a făcut posibilă crearea unor sisteme practic funcționale pentru identificarea obiectelor grafice bazate pe caracteristici similare. Orice caracteristici ale obiectelor care trebuie recunoscute pot fi considerate caracteristici. Caracteristicile ar trebui să fie invariante față de orientarea, dimensiunea și forma obiectelor. Alfabetul semnelor este format de proiectantul sistemului. Calitatea recunoașterii depinde în mare măsură de cât de bine este alfabetul stabilit al semnelor. Recunoașterea constă în obținerea a priori a unui vector de trăsături pentru un obiect separat evidențiat în imagine și, apoi, în determinarea căruia dintre standardele alfabetului de trăsături îi corespunde acest vector.
  • Traducere automată și înțelegere a vorbirii umane. Sarcina de a analiza propoziții ale vorbirii umane folosind un dicționar este o sarcină tipică a sistemelor de inteligență artificială. Pentru a o rezolva, a fost creat un limbaj intermediar pentru a facilita compararea frazelor din limbi diferite... Ulterior, acest limbaj intermediar s-a transformat într-un model semantic de reprezentare a sensurilor textelor de tradus. Evoluția modelului semantic a condus la crearea unui limbaj pentru reprezentarea internă a cunoștințelor. Ca urmare, sisteme moderne analiza textelor și frazelor în patru etape principale: analiza morfologică, analiza sintactică, semantică și pragmatică.
  • Programe de jocuri. Majoritatea programelor de jocuri se bazează pe câteva idei de bază ale inteligenței artificiale, cum ar fi enumerarea opțiunilor și auto-învățarea. Una dintre cele mai sarcini interesanteîn domeniul programelor de joc folosind metode de inteligență artificială, este de a învăța un computer să joace șah. A fost fondată în zorii computerului, la sfârșitul anilor 50. În șah, există anumite niveluri de îndemânare, gradul de calitate al jocului, care pot da criterii clare de evaluare a creșterii intelectuale a sistemului. Prin urmare, oamenii de știință din întreaga lume s-au implicat activ în șahul pe computer, iar rezultatele realizărilor lor sunt folosite în alte dezvoltări intelectuale care au valoare practică reală.
  • Creativitatea mașinii. Una dintre domeniile de aplicare a inteligenței artificiale include sisteme software care pot crea în mod independent muzică, poezie, povești, articole, diplome și chiar disertații. Astăzi există o întreagă clasă de limbaje de programare muzicală (de exemplu, limbajul C-Sound). Pentru diverse sarcini muzicale s-au creat softuri speciale: sisteme de procesare a sunetului, sisteme de sinteză a sunetului, sisteme interactive de compoziție, programe de compoziție algoritmică.
  • Sistem expert. Metodele inteligenței artificiale și-au găsit aplicație în crearea de sisteme automate de consultanță sau sisteme expert. Primele sisteme expert au fost dezvoltate ca instrumente de cercetare științifică în anii 1960. Erau sisteme de inteligență artificială special concepute pentru a le rezolva sarcini dificileîntr-un domeniu restrâns, cum ar fi, de exemplu, diagnosticul medical al bolilor. Scopul clasic al acestei direcții a fost inițial acela de a crea un sistem de inteligență artificială de uz general, care să poată rezolva orice problemă fără cunoștințe specifice în domeniu. Datorită posibilităților limitate de resurse de calcul, această sarcină s-a dovedit a fi prea dificil de rezolvat cu un rezultat acceptabil.

Putem spune că scopul principal al dezvoltării inteligenței artificiale este optimizarea, doar imaginați-vă cum o persoană, fără a fi expusă pericolului, ar putea studia alte planete, ar fi extras metale prețioase.

Astfel, putem concluziona că studiul și dezvoltarea inteligenței artificiale are esenţial pentru întreaga societate. Într-adevăr, prin utilizarea acestui sistem, este posibil să se asigure și să faciliteze viața umană.

Bibliografie

  1. Yasnitsky L.N. Despre posibilitățile de utilizare a inteligenței artificiale [Resursa electronică]: științific biblioteca digitala... URL: http://cyberleninka.ru/ (data accesului 06/01/2016)
  2. Yastreb N.A. Inteligenta artificiala [Resursa electronica]: biblioteca electronica stiintifica. URL: http://cyberleninka.ru/ (data accesului 06/01/2016)
  3. Abdulatipova M.A. Inteligenta artificiala [Resursa electronica]: biblioteca electronica stiintifica. URL: http://cyberleninka.ru/ (data accesului 06/01/2016)