10.6.3Роботы

Большинство ранних исследований в современной робототехнике основывались на коммерческих интересах. Их целью было создание жизнеспособных в конкретных экономических условиях промышленных роботов, способных увеличить производительность и согласованность производства. (Например, ткацкие станки Жаккарда, которые в корне переменили ткацкую промышленность в XIX веке.) Следовательно, над робототехникой как дисциплиной доминировали более традиционные области машиностроения и электротехники. Созданию таких устройств, как точные захваты и гибкие локти, зачастую уделялось больше внимания, или им давался больший приоритет, чем разработке лежащего в основе действий устройства интеллекта.

Эти приоритеты диктовались рынком. На сборочном конвейере машина должна одинаково выполнять одну и ту же задачу снова и снова. Если эта задача состоит в сборе деталей и помещении их в коробку, то детали подаются на транспортерной ленте с равными интервалами и в определенном положении, а полные коробки последовательно заменяются пустыми на одном и том же месте. В этом контексте машина в действительности не поднимает деталь, а просто закрывает захват в определенный момент времени и в определенном месте, а затем перемещает его в другое место, где вместо того, чтобы осознанно положить деталь в коробку, просто открывает захват. Таким образом, полезные роботы могут быть созданы без решения сложных проблем, относящихся к интеллекту.

Конечно, небольшие модификации задачи сбора деталей могут существенно расширить требования к интеллекту машины. Предположим, что детали поступают на транспортерной ленте через неопределенные промежутки времени, и расположены они в хаотичном порядке. Тогда задачей машины будет определение факта, что деталь прибыла, распознавание ее ориентации и разработка плана захвата каждой детали согласно ее ориентации. Поэтому не столько коммерческие, сколько научные темы в области робототехники заслужили большее внимание и поддержку. В числе этих тем — создание машин, которые могут сохранять баланс, подниматься по ступенькам и находить путь по неровной местности.

Сегодня большая часть исследований в робототехнике не зависит от коммерческих приложений. Главная цель этих разработок — создание автономных роботов, то есть роботов, которые могут вести себя так, чтобы гарантировать собственное выживание. Применяется множество творческих и изобретательных техник. Например, к проектированию роботов применялись эволюционные теории, и в результате образовалась новая область — эволюционная робототехника. При создании устройств, которые в ходе смены поколений разрабатывают собственные способы сохранения баланса и перемещения, применялась теория выживания сильнейшего. В свою очередь, предмет робототехники занял законное место в науке о мышлении.

10.6.4Системы баз данных

Человеческий ум имеет удивительное устройство. Каким образом он хранит полученные знания и позже находит и восстанавливает определенные элементы информации, относящиеся к рассматриваемой задаче, — остается загадкой. Загадкой, которая пронизывает множество областей науки об искусственном интеллекте. Как человеческий разум восстанавливает информацию, необходимую для распознавания изображения? Каким образом он применяет правильный контекст при обработке двусмысленных предложений естественных языков? Как может человеческий разум хранить знания об окружающем мире и рассуждать об этих знаниях?

Главной проблемой искусственного интеллекта является проблема баз данных, а прогресс в каждой области исследований используется в остальных областях. Техники искусственного интеллекта применяются в традиционных системах баз данных для обеспечения лучшего обслуживания, а техники баз данных используются в проектах, относящихся к искусственному интеллекту, для обработки огромных объемов знаний, необходимых для процесса мышления и понимания. Часто исследования в области искусственного интеллекта и систем баз данных просто пытаются решить одну проблему с разных точек зрения.

Возьмем, например, вопрос разработки систем ассоциативной памяти (систем ассоциативных баз данных). Мы уже увидели, какая необходимость в таких системах есть в области обработки естественных языков, где важная информация об окружающем мире должна применяться для понимания предложений согласно их контексту, и обсудили, каким образом искусственные нейронные сети могут помочь в решении этой задачи.

С более традиционной точки зрения баз данных проблема заключается в идентификации и восстановлении информации, относящейся к теме, а не в простом получении явно запрошенных данных. Например, рассмотрим проблему пользователей, пытающихся найти определенную информацию во всемирной сети. Традиционный подход заставляет пользователей выделять ключевые слова и фразы, которые могут встретиться в требуемом документе. Затем система проводит поиск по своей базе данных и выдает те документы, в которых присутствуют указанные слова и фразы. К сожалению, эти системы — просто сито, выбирающее документы на основе синтаксиса, а не семантики. Они могут пропустить важные документы только потому, что в них упоминается слово «машины» вместо «автомобили». Что действительно необходимо пользователю — это поисковые системы, обладающие разумом и, следовательно, возможностью восстановления связанного (или ассоциированного) материала, а не просто умеющие выдавать явно запрошенную информацию.

Возьмем другой пример. Предположим, что у нас есть база данных, в которую занесены курсы, читаемые профессором в университете, и оценки, выставленные студентам. Пусть произошла следующая последовательность событий: мы запросили в базе данных количество оценок «5», выставленные профессором Джонсоном в последнем семестре. База данных выдает ответ: «нет». Мы делаем вывод, что профессор Джонсон очень требователен к ученикам, и просим количество поставленных им в последнем семестре двоек. И снова база данных отвечает «нет». Тогда мы решаем, что профессор Джонсон считает всех своих студентов средними учениками (за исключением выдающихся случаев), и запрашиваем количество троек, поставленных профессором в последнем семестре. База данных опять выдает ответ «нет». Здесь у нас возникают подозрения, и мы спрашиваем у базы данных, читал ли профессор Джонсон этот курс в последнем семестре. База данных сообщает: «нет». Но почему же она сразу не сказала нам об этом?! Нам бы хотелось, чтобы базы данных могли выдавать информацию, которую мы хотим получить, а не ту, которую мы запрашиваем.

Еще одна тема, которую исследуют науки о базах данных и искусственном интеллекте, — это разработка хранилищ данных и поисковых систем, умеющих выдавать информацию, которую подразумевают хранящиеся данные, вместо данных, которые фактически хранятся в системе. Другими словами, мы бы хотели, чтобы базы данных могли осмысливать хранящуюся информацию. Например, в базе данных содержится информация о президентах США. Если мы спрашиваем, был ли в США президент ростом 3 метра, традиционная поисковая система не сможет ответить на этот вопрос, если данные о росте каждого президента не занесены явно в базу данных. С другой стороны, интеллектуальная система сможет правильно ответить на вопрос, даже не зная роста президентов. Размышления шли бы по такому пути: если бы существоват президент ростом 3 метра, этот значительный факт был бы занесен в базу данных. Следовательно, если ни об одном президенте этого не сказано, значит, президентов ростом 3 метра просто не было.

Вывод о том, что президентов ростом 3 метра не существовало, обозначает очень важный момент в разработке баз данных — различие между базами данных, построенными на концепции закрытого мира (closed-world database), и базами, построенными на концепции открытого мира (open-world database). Проще говоря, база данных, исходящая из концепции закрытого мира, считает, что в ней содержатся все правдивые сведения о рассматриваемом вопросе, тогда как в базе данных открытого мира допускается, что это может быть не так. Умение отклонять гипотезу о трехметровом президенте в предыдущем примере основывалось на необоснованном предположении (концепция закрытого мира) о том, что если факт не зафиксирован, то он не является правдивым. Аналогично, база данных по подписчикам журнала применяет необоснованное предположение, утверждая, что определенный человек не подписан на журнал, даже не имея списка всех людей, не подписанных на этот журнал.

Хотя необоснованные предположения с первого взгляда кажутся безобидными, их применение может привести к скрытым сложностям. Предположим, что база данных состоит из одного утверждения: Микки - это мышонок или Дональд - это утка.

Основываясь только на этом утверждении, мы не можем сделать вывод, что Микки — действительно мышь. Следовательно, это необоснованное предположение заставляет нас сделать вывод, что утверждение

Микки - это мышонок

неверно. Аналогично, наше необоснованное предположение приводит к тому, что утверждение

Дональд - это утка

также неверно. Мы видим, что первое необоснованное предположение привело нас к противоречивому выводу, что, хотя одно или оба утверждения должны быть верными, оба они неверны. Понимание ограничений таких бесхитростных техник мышления — это цель актуальных исследований в области искусственного интеллекта.