1. Стан і тенденції розвитку штучного інтелекту

Програмні засоби, що базуються на технології й методах штучного інтелекту, одержали значне поширення у світі. Їхня важливість, і, у першу чергу, експертних систем і нейронних мереж, полягає в тому, що дані технології істотно розширюють коло практично значимих задач, які можна вирішувати на комп'ютерах, і їхнє рішення приносить значний економічний ефект. У той же час, технологія експертних систем є найважливішим засобом у рішенні глобальних проблем традиційного програмування: тривалість й, отже, висока вартість розробки додатків; висока вартість супроводу складних систем; повторна используемость програм і т.п. Крім того, об'єднання технологій експертних систем і нейронних мереж з технологією традиційного програмування додає нові якості до комерційних продуктів за рахунок забезпечення динамічної модифікації додатків користувачем, а не програмістом, більшої "прозорості" додатка (наприклад, знання зберігаються на обмеженій природній мові, що не вимагає коментарів до них, спрощує навчання й супровід), кращих графічних засобів, користувальницького інтерфейсу й взаємодії. На думку фахівців [1], у недалекій перспективі експертні системи будуть відігравати провідну роль у всіх фазах проектування, розробки, виробництва, розподілу, продажу, підтримки й надання послуг. Їхня технологія, одержавши комерційне поширення, забезпечить революційний прорив в інтеграції додатків з готових інтелектуально-взаємодіючих модулів. Комерційний ринок продуктів штучного інтелекту у світі в 1993 році оцінювався приблизно в 0,9 млрд. доларів; з них 600 млн. доводиться на частку США [2]. Виділяють кілька основних напрямків цього ринку: 1) експертні системи; тепер їх часто позначають ще одним терміном - "системи, засновані на знаннях"; 2) нейронні мережі й "розмиті" (fuzzy) логіки; 3) природно-язикові системи. У США в 1993 році ринок між цими напрямками розподілився так [2]: експертні системи - 62%, нейронні мережі - 26%, природно-язикові системи - 12%. Ринок цей можна розділити й інакше: на системи штучного інтелекту (додатка) і інструментальні засоби, призначені для автоматизації всіх етапів існування додатка. В 1993 році в загальному об'ємі ринку США частка додатків склала приблизно дві, а частка інструментарію - приблизно одну третину [2].

Один з найбільш популярних напрямків останніх п'яти років пов'язане з поняттям автономних агентів. Їх не можна розглядати як "підпрограми", - це скоріше прислуга, навіть компаньйон, оскільки однієї з найважливіших їхніх відмітних рис є автономність, незалежність від користувача. Ідея агентів опирається на поняття делегування своїх функцій. Інакше кажучи, користувач повинен довіритися агентові у виконанні певної задачі або класу задач. Завжди існує ризик, що агент може щось переплутати, зробити щось не так. Отже, довіра й ризик повинні бути збалансованими. Автономні агенти дозволяють істотно підвищити продуктивність роботи при рішенні тих задач, у яких на людину покладає основне навантаження по координації різних дій.

У тім, що стосується автономних (інтелектуальних) агентів, хотілося б відзначити один досить прагматичний проект, що зараз ведеться під керівництвом професора Генрі Либермана в Media-лабораторії MIT (MIT Media Lab). Мова йде про агентів, відповідальних за автоматичне генерування технічної документації. Для рішення цієї задачі чимало зробив у свій час академік Андрій Петрович Єршов, що сформулював поняття ділової прози як чітко певної підмножини природної мови, що може бути використано, зокрема, для синтезу технічної документації (це одне із самих вузьких місць у будь-якому виробництві). Група під керівництвом професора Либермана досліджує можливості нового підходу до рішення цієї проблеми, тепер уже на основі автономних агентів.

Наступний напрямок в області штучного життя - генетичне програмування (genetic programming) - є спробою використати метафору генної інженерії для опису різних алгоритмів. Рядка (string) штучної "генетичної" системи аналогічні хромосомам у біологічних системах. Закінчений набір рядків називається структурою (structure). Структури декодируются в набір параметрів, альтернативи рішень або крапку в просторі рішень. Рядка складаються з характеристик, або детекторів, які можуть приймати різні значення. Детектори можуть розміщатися на різних позиціях у рядку. Все це зроблено за аналогією з реальним миром. У природних системах повний генетичний пакет називається генотипом. Організм, що утвориться при взаємодії генотипу з навколишнім середовищем, зветься фенотипу. Хромосоми складаються з генів, які можуть приймати різні значення. (Наприклад, ген кольорів для ока тварини може мати значення "зелений" і позицію 10).

У генетичних алгоритмах роль основних будівельних блоків грають рядка фіксованої довжини, тоді як у генетичному програмуванні ці рядки розвертаються в дерева, настільки знайомі фахівцям в області трансляції. Наприклад, вираження a+b*c виглядає так:

Нині одним з лідерів в області генетичного програмування є група дослідників зі Стэндфордского університету (Stanford University), що працює під керівництвом професора Джона Коза. Генетичне програмування вдихнуло нове життя в гарненько вже подзабытый мова LISP (List Processing), що створювався групою Джона Маккарти (того самого, хто в 60-і роки ввів у наш побут термін "штучний інтелект") саме для обробки списків і функціонального програмування. До речі, саме ця мова в США був і залишається одним з найпоширеніших мов програмування для задач штучного інтелекту.