Искусственный интеллект

Искусственный интеллект. В далеких 40-х Джон фон Нейман, создатель концепции современного компьютера, был абсолютно уверен, что повышение тактовой частоты до мегагерц позволит машинам мыслить не хуже человека.

Однако шли годы, мощности ЭВМ все возрастали, над проблемой искусственного интеллекта билось все больше народу, создавались специальные языки (Lisp и Prolog) и машинные архитектуры, соответствующие специальности появились во всех университетах, — но научить компьютеры думать так и не удалось. Правда ИИ нашел свои области применения, став важным повседневным инструментом для решения некоторых типов задач.

Что же нужно, чтобы научить компьютер думать? Во-первых, необходимо отказаться от булевой алгебры, описывающей состояние системы только двумя возможными вариантами — или 0, или 1. Ведь, согласитесь, наше сознание не формирует мысли исключительно по принципу tertium non datur (третьего не дано): так, дерево может быть не только высоким или низким, но и средним, существуют переходные оттенки между черным и белым и т. д. В связи с этим вводится представление о так называемой нечеткой логике (fuzzy logic — англ. «нечеткая, размытая логика»). Нечеткая логика является многозначной логикой, что позволяет определить промежуточные значения для указанных выше примеров.

Сейчас математический аппарат нечеткой логики удобен для использования в системах управления метрополитенами и сложными технологическими процессами, при распознавании рукописных символов, в системах прогнозирования землетрясений, наведения телекамер, при трансляции спортивных событий, для повышения безопасности в ядерных реакторах и других целей.

Однако для логических методов характерна большая трудоемкость, поскольку во время поиска доказательства не исключен полный перебор возможных вариантов. Исходя из этого, данный подход может быть реализован только в случае небольшого объема базы данных. Во-вторых, очень перспективным является построение системы ИИ на основе моделирования принципов работы человеческого мозга. Здесь следует говорить о так называемых нейросетях (НС)— искусственных аналогах биологической сети, по своей топологии максимально приближающихся к оригиналу.

Сферы применения НС чрезвычайно обширны: распознавание образов, анализ и синтез речи, машинный перевод, прогнозирование, системы управления несложными объектами в реальном масштабе времени. Можно предполагать появление НС, нацеленных на создание информационных копий человека, виртуальных личностей, средой обитания которых является Интернет. Однако прогресс в данном направлении сдерживается пока тем, что мы слишком мало знаем о том, как работает мозг. Следовательно, развитие нейробиологии напрямую определяет и решение проблемы деятельности «полноценного» ИИ. В-третьих, интересным представляется подход к созданию ИИ на основе эволюционирующих систем.

Построенные по начальной модели и развивающиеся по определенным правилам, такие системы способны генерировать копии самих себя с несколько модифицированными и наиболее приемлемыми для текущей ситуации свойствами.

Необходимо заметить, что первоначальная модель может быть любой: НС, набор логических правил, деревьев, а критерии отбора появляющихся модификаций зависят от установленных изначально эволюционных алгоритмов. Примером простейшей эволюционной модели может служить алгоритм игры «Жизнь» В-четвертых, можно создать систему, только имитирующую поведение человека, его разум и интеллект, со степенью достоверности, близкой к единице, воспользовавшись для этого принципом «черного ящика», основной смысл которого сводится к следующему.

Допустим, некий объект, обладая определенными свойствами, однозначно влияющими на входящую информацию, анализирует и перерабатывает ее. Причем нам совершенно неважно, каким образом будет происходить обработка поступающих данных. Главное, что необходимо четко уяснить, — это система правил: некая конфигурация A всегда будет преобразована в состояние B. В итоге мы можем создать клон этого объекта, даже не зная его внутренней структуры, точно таким же образом реагирующий на изменения внешней среды, как исходный.

Данная модель построения ИИ основывается на способности человека копировать то, что делают другие, не вдаваясь в подробности, как это делать и зачем это нужно. Основной недостаток имитационного подхода — низкая информативность моделей. Построение «настоящего» ИИ требует значительно больших затрат и усилий, чем можно было бы предполагать, поскольку до сих пор мы не в состоянии четко определить, пользуясь каким-либо формализованным языком, как все-таки нам удается мыслить.

Однако, помня принцип «все, что не запрещено, — разрешено», давайте верить, что данная задача разрешима и рано или поздно у нас появятся думающие машины. Другой вопрос — когда это пр.