2. Понятие искусственного интеллекта. История развития систем искусственного интеллекта

Исходя из данного выше определения интеллекта, можно дать следующую трактовку термину «искусственный интеллект».

Искусственный интеллект (ИИ) – это свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.

Кроме того, на сегодняшнем этапе развития информатики под «искусственным интеллектом» понимается совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ. Интеллектуальные системы и технологии применяются для тиражирования профессионального опыта и решения сложных научных, производственных и экономических задач. Например, для анализа инвестиционной деятельности, планирования рекламной компании, прогнозирования темпов развития научно-технического прогресса, конъюнктуры рынка и т.п.

Для создания систем такого класса используются специальные модели и создаются так называемые базы знаний.

Идея создания искусственного подобия человека и моделирования человеческого разума увлекала мыслителей и ученых с древнейших времен. Так, еще древнем Египте была создана «оживающая» механическая статуя бога Амона. Неоднократно эта идея обыгрывалась и в литературе: например, в «Илиаде» бог Гефест ковал человекоподобные существа-автоматы, можно упомянуть и Галатею Пигмалиона, Пиноккио и Буратино, и многочисленные романы писателей-фантастов. Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке пытался создать механическую машину для решения различных задач на основе разработанной им всеобщей классификации понятий. В XVII-XVIII вв. идея Луллия была развита Готфридом Вильгельмом Лейбницем и Рене Декартом. Независимо друг от друга эти ученые предложили универсальные языки классификации всех наук. В дальнейшем именно эти работы послужили основой для теоретических разработок в области искусственного интеллекта.

Однако рождение и развитие искусственного интеллекта как научного направления стало возможным лишь после создания ЭВМ в конце 40-х годов XX века. Одновременно с появлением ЭВМ Норберт Винер создает свои работы по новой науке – кибернетике. На сегодняшний день история развития интеллектуальных технологий на базе ЭВМ насчитывает более пятидесяти лет.

Термин «искусственный интеллект» (artificial intelligence – AI) был предложен в 1956 году на семинаре с аналогичным названием в Дартсмутском колледже (США), посвященном разработке методов решения логических задач. Нужно отметить, что перевод английского термина на русский язык оказался не совсем удачным, поскольку слово intelligence означает «умение рассуждать разумно», а не «интеллект», для которого в английском языке есть термин intellect.

В области ИИ с самого начала ее развития рассматривался ряд весьма сложных задач, которые и до сих пор являются предметами исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений, анализ ситуаций, планирование действий роботов, алгоритмы и стратегии поведения игроков в играх. Вскоре после признания ИИ самостоятельной научной отраслью сложились два основных направления в моделировании ИИ: «нейрокибернетика» и кибернетика «черного ящика».

Развитие нейрокибернетики.

В рамках первого подхода, получившего название «нейрокибернетики», объектами исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга, а необходимыми этапами исследований в нейрокибернетике являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.

Поскольку из физиологии известно, что основой человеческого мозга является множество (до 10²¹) связанных друг с другом нервных клеток – нейронов, то усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Такие системы известны под названием нейронных сетей или нейросетей. Модели первых нейросетей были предложены в 1956-1965 гг. американскими учеными Ф. Розенблаттом и П.Мак-Каллоком и представляли собой системы зрительного восприятия и распознавания, т.е. моделировали взаимодействие человеческого глаза с мозгом. Созданное этими учеными устройство получило название перцептрона (perceptron). Это устройство обладало способностью различать буквы алфавита, но не было чувствительно к их написанию: так буквы А и А для этого устройства являлись разными знаками. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания, и породило большой поток теоретических и экспериментальных исследований. Но постепенно в 70-80 гг. количество работ по данному направлению ИИ стало сокращаться: слишком неутешительными оказались первые результаты. Неудачи своих экспериментов авторы объясняли незначительным быстродействием существовавших в то время компьютеров.

Однако в 1980-х годах в Японии в рамках проекта «ЭВМ V поколения» был создан первый нейрокомпьютер, или компьютер VI поколения. К тому времени ограничения, связанные с объемами памяти и быстродействием компьютеров, были практически сняты; появились транспьютеры, представляющие собой параллельно работающие компьютеры с большим числом процессоров. Транспьютерная технология – это лишь один из десятков современных подходов к аппаратной реализации нейросетей, моделирующих иерархическую структуру человеческого мозга. Выделяют три подхода к созданию нейросетей:

·        аппаратный, включающий создание специальных компьютеров, нейрочипов, плат расширения и наборов микросхем, реализующих все необходимые алгоритмы;

·        программный, включающий создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. В этом случае сети создаются в памяти компьютера, и все работы выполняют его собственные процессоры;

·        гибридный, представляющий собой комбинацию первых двух подходов. При гибридном подходе часть вычислений выполняют специальные платы расширения (сопроцессоры), а часть – программные средства.

Сегодня основной областью применения нейрокомпьютеров по-прежнему остается распознавание образов, например, идентификация объектов по результатам аэрофотосъемки из космоса. Задача обучения распознаванию образов тесно связана с другой интеллектуальной задачей – проблемой перевода с одного языка на другой, а также обучения машины языку. Так, при достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 1960-х годов. Однако для того, чтобы связно перевести большие блоки текста, в котором используется разговорная лексика, необходимо понимать его смысл. Работы над программами, реализующими эту задачу, ведутся уже давно, но до полного успеха в данной области предстоит еще многое сделать. Существуют также программы, обеспечивающие диалог между человеком и машиной на «урезанном» естественном языке [3.1, 3.4].

Кибернетика «черного ящика» и искусственный интеллект.

Второе научное направление, возникшее в области ИИ, в качестве объекта исследования рассматривает сам ИИ. Основная задача этого направления – моделирование интеллектуальной деятельности с помощью вычислительных машин. При этом не важно, как будет организовано «мыслящее» устройство, главное, чтобы на заданные входные воздействия оно реагировало бы подобно человеческому мозгу. Такой подход к проблеме ИИ получил название кибернетики «черного ящика».

Сторонники этого направления обосновывали его актуальность тем, что человек не должен слепо следовать природе в своих научных и технологических поисках. Например, в природе не существует аналогов колеса, а самолет не машет крыльями, подражая птице. Еще одним доводом в пользу данного научного направления стало то, что к моменту его возникновения пограничные науки о человеке не смогли внести существенного теоретического вклада в задачу объяснения того, как протекают интеллектуальные процессы у человека, как устроена его память, и как он познает окружающий мир.

Целью работ в сфере «кибернетики черного ящика» стало создание алгоритмического и программного обеспечения для существующих вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. Существенный вклад в становление нового научного направления внесли Маккарти (автор первого языка программирования для задач ИИ - ЛИСПа), Минский (автор идеи фрейма и фреймовой модели представления знаний), Ньюэлл, Саймон, Шоу, Хант и другие.

Интенсивные поиски моделей и алгоритмов решения интеллектуальных задач и, как следствие, разработка первых программ на их основе велись в период с 1956 по 1963 годы. Гуманитарные науки, такие как философия, психология, лингвистика, – ни тогда, ни сейчас не могли предложить подобных моделей. Поэтому кибернетики стали разрабатывать новые подходы и создавать собственные модели.

1. В конце 50-х гг. появилась модель лабиринтного поиска. Согласно данному подходу, задача представляется как некоторое пространство состояний в форме графа. В этом графе проводится поиск оптимального пути от входных данных к результирующим выходам. Была проделана большая работа по разработке этой модели, но она не нашла широкого практического применения.

2. Начало 60-х гг. связано с появлением эвристического программирования. Под эвристическим программированием понимается разработка стратегии действий на основе известных, но теоретически не обоснованных правил (эвристик), позволяющих сократить количество переборов в пространстве поиска.

3. В 1963-1970-х гг. к решению задач стали подключать методы математической логики. Робинсоном был разработан метод резолюций, позволяющий автоматически доказывать теоремы при наличии набора исходных аксиом. Примерно в это же время выдающийся отечественный математик Ю.С. Маслов предложил обратный вывод, впоследствии названный его именем, решающий аналогичную задачу другим способом. В 1973 г. на основе метода резолюций француз Альбер Кольмероэ создает специальный язык представления знаний ПРОЛОГ. Большую популярность приобрела программа «Логик-теоретик», доказывающая школьные теоремы, авторами которой являлись Ньюэлл, Саймон и Шоу. Но следует отметить, что большинство реальных задач не сводятся к набору аксиом, а человек в ходе их решения чаще всего не использует классическую логику. Поэтому логические модели при всех своих преимуществах имеют существенные ограничения по классам задач, решаемых с их помощью.

Одним из драматических событий в истории ИИ стал «доклад Лайтхилла». В 1973г. в Великобритании по заказу Британского совета научных исследований известным математиком Д. Лайтхиллом был подготовлен обзор состояния дел в области ИИ. Лайтхилл, не будучи профессионально связанным с этой научной областью, в своем докладе признал определенные достижения в области ИИ, но определил их уровень как разочаровывающий, и общая оценка новой науки с позиции практической значимости была отрицательной. Этот отчет отбросил европейских исследователей примерно на 5 лет назад, так как финансирование работ по ИИ существенно сократилось.

В это же время в США происходит значительный прорыв в области практического применения ИИ. Здесь в середине 1970-х гг. на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Стал применяться новый подход к решению задач ИИ – представление знаний. Две первые экспертные системы, созданные в те годы в США для медицины и химии, – MYCIN и DENDRAL – уже стали классическими. На финансирование исследований в области ИИ в США повлияло и то, что в 70-е гг. министерство обороны США предложило базировать на принципах ИИ свою новую программу стратегического развития (Strategic Computer Initiative – SCI). В свою очередь, Европейским Союзом лишь в начале 80-х годов была объявлена глобальная программа развития новых технологий ESPRIT, в которую, наряду с другими, вошла проблематика ИИ.

Почти одновременно с первыми успехами США в области ИИ Япония объявляет о начале проекта создания вычислительных машин V поколения, основанных на знаниях. Проект был рассчитан на 10 лет и объединил лучших молодых специалистов крупнейших японских компьютерных корпораций. Специально для этих специалистов был создан новый институт ICOT, и они получили полную свободу действий, правда, без права публикации предварительных результатов. В ходе работы института в нем был создан достаточно громоздкий и дорогой символьный процессор и язык, подобный языку ПРОЛОГ, который, однако, не получил широкого признания. Главным положительным эффектом от проекта стало то, что в Японии была сформирована многочисленная группа высококвалифицированных специалистов в области ИИ. К середине 90-х годов японская ассоциация ИИ насчитывала уже около 40 тыс. чел. [3.4] .

Начиная с 1980-х гг., повсеместно происходит коммерциализация ИИ. Растут ежегодные капитальные вложения, создаются промышленные экспертные системы, особый интерес вызывают самообучающиеся системы. Издаются десятки журналов, ежегодно собираются международные и национальные конференции по различным направлениям ИИ. Искусственный интеллект становится одним из наиболее перспективных областей информатики (computer science).

Еще одна современная тенденция в развитии ИИ – постепенное объединение нейрокибернетики и кибернетики «черного ящика», долгие годы развивавшихся практически независимо друг от друга, существенно различаясь и в методологии, и в технологии. Кроме того, можно выделить третий подход в области ИИ, возникновение которого связано с развитием первых двух. Этот современный подход ориентирован на создание смешанных человеко-машинных, или интерактивных интеллектуальных систем, т.е. на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

Развитие ИИ в России.

Первые исследования в области ИИ в нашей стране принято связывать с именем профессора А.А. Ляпунова (1911-1973). В 1954 г. в МГУ под его руководством начал свою работу семинар «Автоматы и мышление». В этом семинаре принимали участие крупнейшие физиологи, лингвисты, психологи и математики. Как и за рубежом, при рождении ИИ в России сразу выделились два его основных направления – нейрокибернетика и кибернетика «черного ящика».

Среди наиболее значимых результатов, достигнутых отечественными учеными в области ИИ, следует отметить алгоритм «Кора» М.М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов (1960-е гг.). Большой вклад в становление российской школы ИИ внесли выдающиеся ученые М.Л. Цетлин, В.Н. Пушкин, М.А. Гаврилов.

В 1945-1964 гг. создаются отдельные программы и проводятся исследования в области поиска решения логических задач. Ленинградским отделением математического института им. В.А. Стеклова (ЛОМИ) создается программа, автоматически доказывающая теоремы (АЛПЕВ ЛОМИ). Она была основана на оригинальном обратном выводе Маслова.

В 1965-1980 гг. в СССР получила развитие новая наука – ситуационное управление (аналог «представления знаний» в западной терминологии). Основоположником науки был профессор Д.А. Поспелов. В 1980-1990 гг. проводятся активные исследования в области представления знаний, разрабатываются специальные модели представления ситуаций, языки представления знаний и экспертные системы (более 300). Так, в ИПМ АН СССР создается язык символьной обработки данных РЕФАЛ.

Следует отметить, что новая наука, обладающая таким необычным названием, первоначально вызвала настороженное отношение к ней со стороны Академии наук СССР. Но среди членов АН нашлись те, кто вступил в борьбу за признание ИИ в нашей стране. Двое из них сыграли ключевую роль в развитие этой науки в СССР. Это были академики А.И. Берг и Г.С. Поспелов. Только в 1974 г. при Комитете по системному анализу при президиуме АН СССР был создан Научный совет по проблеме «Искусственный интеллект», который возглавил Г.С. Поспелов. Его заместителями были избраны Д.А. Поспелов и Л.И. Микулич. На разных этапах истории Совета в его состав входили М.Г. Гаазе-Рапопорт, Ю.И. Журавлев, Л.Т. Кузин, А.С. Нариньяни, Д.Е .Охоцимский, А.И. Половинкин, О.К. Тихомиров, В.В. Чавчанидзе. По инициативе ведущих ученых Совета было организовано пять комплексных научных проектов, которые возглавили ведущие отечественные специалисты в данной области. Проекты объединяли исследования в различных коллективах страны в рамках следующих направлений: понимание естественного языка (проект «Диалог», руководители А.П. Ершов и А.С. Нариньяни); ситуационное управление («Ситуация», Д.А. Поспелов); проектирование банков данных («Банк», Л.Т. Кузин); поисковое конструирование («Конструктор», А.И. Половинкин) и робототехника («Интеллект робота», Д.Е. Охоцимский).

В 1988 г. создается Ассоциация искусственного интеллекта (АИИ), объединившая более 300 исследователей из крупнейших научных центров страны – Москвы, Петербурга, Новосибирска, Переславля-Залесского и др. Президентом Ассоциации единогласно был выбран Д.А. Поспелов. В научный совет Ассоциации входят ведущие исследователи в области ИИ – В.П. Гладун, В.И. Городецкий, Г.С. Осипов, Э.В. Попов, В.Л. Стефанюк, В.Ф. Хорошевский, В.К. Финн, Г.С. Цейтин, А.С. Эрлих и другие ученые. В рамках Ассоциации проводятся многочисленные исследования, конференции, семинары, организуются школы для молодых специалистов, издается научный журнал.

На сегодняшний день уровень теоретических исследований в области ИИ в России не ниже мирового. Но, к сожалению, начиная с 80-х гг., на прикладных работах начинает сказываться постепенное отставание в технологии. По оценкам специалистов сегодня отставание в области разработки промышленных интеллектуальных систем составляет порядка 3-5 лет [3.1].