Главная Обратная связь Поможем написать вашу работу!

Дисциплины:

Архитектура (936)
Биология (6393)
География (744)
История (25)
Компьютеры (1497)
Кулинария (2184)
Культура (3938)
Литература (5778)
Математика (5918)
Медицина (9278)
Механика (2776)
Образование (13883)
Политика (26404)
Правоведение (321)
Психология (56518)
Религия (1833)
Социология (23400)
Спорт (2350)
Строительство (17942)
Технология (5741)
Транспорт (14634)
Физика (1043)
Философия (440)
Финансы (17336)
Химия (4931)
Экология (6055)
Экономика (9200)
Электроника (7621)






Существует 2 подхода разработкии ИИ(1)



Понятие интеллектуальной системы и искусственного интеллекта

Существуют элементы ИИ и интеллектуальные системы. Интеллектуальность понимается в широком смысле. Подходы к пониманию ИИ. Различные виды и степени Интеллекта существуют как у людей, так и у животных так и у некоторых искусственных систем. Если говорим об Интеллектуальной Системе, то они направлены на решение конкретных прикладных задач. При этом они могут имитировать поведение людей образы мышления и с другой стороны использовать методы и средства отсутствующие среди механизмов поведения и мышления человека. Таким образом, Исследования в области ИИ могут использовать результаты интеллектуальной деятельности человека но не обязаны ограничиваться только им. Именно в таком смысле, в 65 году термин ИИ ввел Джон Маккарти на конференции в Дагмунском университете. Традиции отечественной науки сложилось несколько неверная трактовка английского термина ИИ, тогда как слово интеллект в русском языке является заимствованным и в английском ему соответствует аналог(intellect) тогда как Artificial Intelligence было больше понимается как умение рассуждать разумно. Существует целый ряд определений интеллекта и интеллектуальной системы. Например, определение общее для человека и ИС можно сформулировать так. Интеллект – это способность системы создавать в ходе самообучения программы в первую очередь эвристические для решения задач определенного класса сложности, а затем решать эти задачи. Рассмотрим Интеллектуальная система – 1) интеллектуальной называется система способная целеустремленно в зависимости от состояния информационных входов менять не только параметры функционирования, но и сам способ поведения. Причем способ поведения зависит не только от текущего состояния информационных входов, но и от предыдущих состояний системы. В этом смысле подавляющее большинство интеллектуальных систем интеллектуальными не являются, поскольку они не могут в корне изменить принцип своего функционирования при решении определенных задач. Например: система управления давлением газа в трубопроводе может принимать решение открыт заслонку или закрыть на определенный угол, в соответствии с различными заложенными в нее стратегиями. Но такая система не может вывинтить такую заслонку вообще. Если же в эту систему внести раннее не предусматриваемый способ действия система все равно не останется интеллектуальной. Так как все равно могут возникать непредвиденные ситуации в которых не будет применимо ни одна из заложенных стратегий Тем не менее это не мешает техническим системам решать целую массу задач. Решать успешно и часто замещать человека. 2) называется система моделирующая на компе мышление человека. Это определение носит подражательный характер. Отметим что в этом смысле система не обязана имитировать все механизмы мыслительной деятельности включая особо творческие, а может ограничится воспроизведением логики рассуждения для определенных классов задач на ограниченных наборах входных данных. 3) называется система позволяющая усилить интеллектуальную деятельность человека за счет ведения с ним осмысленного диалога. Здесь уже просматривается фактор цель, назначение такой системы это расширение возможностей человека. Большой вопрос что считать осмысленным диалогом, с одной стороны систему можно научить понимать человеческую речь и заставить ее правильно распознавать в зависимости от контекста с другой стороны процесс и результаты решения задачи должны быть представлены уже в виде доступном для понимания человека. Не редко в состав экспертных систем включают так называемые подсистемы объяснения, которые позволяют или просто предоставить лицу принимающему решение некоторую рекомендацию но и объяснить каким образом система к этой рекомендации пришла. На более высоком уровне общение реализовать будет еще сложнее.



Подходы к пониманию ИИ(1)



Область математических и технических наук занимающихся проблемами ИИ на столько широка, что говорить о роде деятельности человека как человека занимающегося ИИ практически так же бессмысленно так же как человек занимающийся физикой, ничего не сказать. Физика содержит массу дисциплин сложных. Так и здесь. Целая куча дисциплин в том числе случайно попавших под область ИИ сюда можно отнести. Но реально те кто занимаются чем то конкретным. Рассматривают 2 основных подхода к пониманию ИИ

1) Подход с точки зрения способности системы решать не формализованные или творческие задачи. Заметим что с самого начала работа по ИИ носила прагматический характер. Стремились создать инструмент для решения задач не имеющих алгоритмов решения. При этом мы помним одно из свойств алгоритма – масса. То есть если говорим что алгоритм решает определенный класс задач значит каковы бы не были исходные данные для задач этого класса алгоритм ее решит. Иначе это не алгоритм или класс задач уже. Как только оказывается что Для некоторого класса задач имеется алгоритм, такие задачи сразу становятся не интеллектуальными. Поскольку рассуждать в них не надо. Напомним, что при рассмотрении прагматических определений алгоритма, говорят о том что алгоритм это такая последовательность действий или предписаний для исполнителя, которая не требует от исполнителя ни каких творческих способностей. Например: разнообразные инструкции для спортивных арбитров не являются алгоритмом. Так как очень многое оставляют на усмотрение судьи и на его оценку ситуации. Если же мы говорим о задачах не имеющих универсального рецепта то мы начинаем требовать от системы уже некоторого индивидуализированного решения. Решения зависящего от конкретного случая. В этом случае опять же дисциплины ИИ могут использовать результаты изучения человеческого мышления и работы мозга, но не ограничиваться только им. В рамках этого подхода алгоритм решения задач заменяется Алгоритмом анализа обстановки и алгоритмом вывода решения, работающими вместе. Опять же, далеко не всегда это приводит к системе способной кардинальным образом менять свое поведение. Часто все ограничивается наличием базы знаний закладываемой экспертами и механизмами работы с ней. Движением в сторону интеллектуальности или повышения Интеллектуальности становится самообучение системы. То есть, самостоятельное обновление и дополнение базы знаний, а в идеале способность самостоятельно разрабатывать алгоритм действия для раннее не предусмотренных состояний. Высшим пилотажем было бы, если бы система сама определяла базу знаний. Основная характеристика в данном случае это Цель. Когда мы говорим об алгоритмах мы говорим, о том, как нужно выполнять последовательность действий. Когда говорим об анализе обстановке и выводе решения, мы говорим о том что от нее требуется. А она сама уже должна решать, как добиться этой цели. В рамках подхода к ИИ с точки зрения решения творческих задач выделяют ряд возможностей определяющих ИИ. 1) Формализация неформального. Построение адекватной модели для последующей обработки на компьютере. Неформальная творческая задача должна быть в итоге решена. При чем на абсолютно формализованном и детерминированном компе. Процесс формализации носит творческий и субъективный характер. Распознавание образов является только одной из частей этого процесса. При чем далеко не самым сложным. С какой-то степени сюда можно отнести синтез алгоритма. Часто нам говорят что мол такой то язык интеллектуальный, так как мы задаем цель а система делает что хочет и выводит. Но в системе заложены определенные механизмы. 2) Субъективность решений. По сути мы о ней уже говорили. Что поскольку творчески задачи не имеют алгоритмов то для них нет решения в общем виде. И тут возникает вопрос как сделать результаты не стандартных в общий. К реализации этой возможности относятся различные направление логики. 3) Общение на семантическом смысловом или прагматическом коде. В наст время существует довольно много приложений которые реализуют видимость диалога. В этом случае диалог выглядит осмысленным благодаря синтаксической правильности фраз генерируемых машиной. С другой стороны для человека Общение идет в первую очередь на прагматическом уровне. Участники диалога способны учитывать контекст в котором происходит общение и угадывать скрытый смысл напрямую не содержащийся в фразе. В этом смысле интеллектуальной могла бы быть система которая на вопрос внезапно проснувшегося человека рано утром в выходной день который сейчас час и зная его расписание ответит что он может успокоится и спать дальше что сегодня выходной. Поскольку такая система понимает что вопрос был задан не с той целью чтобы узнать время а из дезориентации во времени и внезапно возникшего беспокойства опоздать на работу. 4) Мотивация. Если система интеллектуальная достаточно самостоятельная то для чего ей вообще чего то делать. Например: мы хотим чтобы у нас было не просто нечто решающее задачи, а самостоятельная система. Спрашивается с какой стати она должна чему то учиться и обременять себя. Это в настоящий момент не разрешимый вопрос. С точки зрения создания алгоритмов широко распространены примеры на подобие робота паучка, у которого есть 8 лап. Которые ставит цель добраться до какой то точки на поверхности а он сам должен сообразить как двигать лапки. Далее отключают одну из лапок, и он снова должен сообразить как сохранять центр тяжести и как достигнуть цели. Но все укладывается в алгоритмы структурной и параметрической оптимизации. Паучок в данном случае просто оперирует конечным набором действий который может как то сочетать. Но он не встанет на стоящей рядом повозке с колёсиками и отталкиваясь лапками быстрее добраться до точки. Перечисленные признаки позволяют определить зрелость сформировавшихся ИИ. Но как видим какой либо искусственной системы полностью соответствующей всем признакам в настоящий момент не существует. Однако работы ведутся по реализации каждого из признаков. И многие системы являются интеллектуальными в некоторой степени. Аленом Тьюрингом в 1950 году был сформулирован так называемый тест Тьюринга позволяющий определить обладает ли некоторая система искусственным интеллектом. Стандартная реализация звучит след образом: человек взаимодействует с одним компом и одним человеком. На основании ответов на вопросы он должен определить с кем он разговаривает с кем он разговаривает с человеком или программой. Задача комп программы ввести человека в заблуждение заставив сделать неверный вывод. Таким образом предполагается что ИИ будет способен проявлять поведение не отличающееся от человека в нормальных ситуациях.



Подходы к пониманию ИИ(2)

Область математических и технических наук занимающихся проблемами ИИ на столько широка, что говорить о роде деятельности человека как человека занимающегося ИИ практически так же бессмысленно так же как человек занимающийся физикой, ничего не сказать. Физика содержит массу дисциплин сложных. Так и здесь. Целая куча дисциплин в том числе случайно попавших под область ИИ сюда можно отнести. Но реально те кто занимаются чем то конкретным. Рассматривают 2 основных подхода к пониманию ИИ

2) В рамках второго подхода обладающие интеллектом считаются системы выполняющие функции человека как сознательный так и рефлекторно подсознательные. Таким функциям можно отнести распознавание образов речь моторику анализ данных приобретение знаний применение знаний. Очень часто не интеллектуальные с точки зрения первого подхода системы позволяют на порядок повысить качество управления сложными техническими и организационно техническими объектами и системами. Такие методы выполняя роль человека используют не доступные ему скорости обработки информации и показывают результаты на много превосходящие человеческие возможности. Те же самые системы управления трубопроводами. Они одновременно обозревают огромное количество задач и быстрее реагируют. В экстренных ситуациях человеку приходиться вмешиваться. Но в штатном режиме человек отдыхает. Можно заимствовать элементы поведения животных. Ученые бьются над алгоритмом полета обыкновенной мухи. Так как обладая очень малым количеством нейронов она способна показывать качество пилотирования недоступное современной авиации. Учитывая скорости изменения углов скорости реакции и т.д. Соответственно если бы удалось применить такие механизмы для авиации то можно было бы снять часть рефлекторных функций с пилота и расширить ее диапазон возможностей который сейчас ограничивается скоростями реакции человека. Если говорить снова о первом подходе то очень интересен вопрос о Мотивации. Можем поручить системе задачу. Но в зависимости от мотивации эта система может пойти разными путями для решения задачи. Эти пути в конечном итоге позволят решить задачу, но будет масса дополнительных свойств. Этот вопрос может затрагивать формализацию неформального и выработку индивидуальных решений.

 

 

Существует 2 подхода разработкии ИИ(1)

Нисходящий – создание экспертных систем, баз знаний ? cbcсистемы логического вывода.

Восходящий – основан на изучении нейронных сетей. Восходящий не очень укладывается в рамки понимания ИИ. Как нейросеть так и эволюционные методы позволяют повысить «интеллектуальность» системы за счет ее адаптации. Более того эволюционные вычисления позволяют строить модели предметной области и программы поведения не основываясь на каких то исключительно строгих умозаключениях. Что позволяет в известном смысле как то решать проблему детерменированности компьютерного мышления. В рамках перечисленных подходов выделяют следующие направления:

1) Символьный подход к разработке искусственного интеллекта. Основывается в первую очередь на абстрактной формализации предметной области и выделении таких существуенных черт на основет умения выделить которых в последствии строится строгая формальная модель. Символы какого то алфовита . Символами которые обознеачают какой то метод которым можнр оперировать. Обозначение операций и правила преобразования фраз составленных из этих символов. В частности такой подход распрастранен в матматике. Где мы довольно часто встречаем в абстрактной алгебре(группы полугруппы кольца) Как только мы получили возможность адекватно абстрагировать мы перерводим содержатьльную обстановку в формальную после чего можем забыть о содержательной обстановке и приписываемому символам решать задачу путем преобразования форменных выражений после чего содержательно интерпретировать полученные результаты. Большое развитие символьный подход получил при созданиии языка LISP. Повзоляет эффективно реализовать преобразование символьных выражений в работу со списками. Значительное применение эти работы нашли там где они подъходят больше всего а именно всистемах комп математике. Завметим что симсвольный подход во многом ориентирован на решение общей а не частной задачи. Эффективнерость его применения зависиттолько существунную информацию, что требует высокой гибкости в методах абстрагирования, тогда как исследователи решающие прикладные задачи часто стараются дать быстрое решение для конкретного случая. При отсутствии эффективных механизмов формализации такой подход оказывается часто бесполезным. При решении задачи останавливается алгоритм в резулдьтате невозможности описать вновь возникающие потребности средствами уже принятой формальной системы.

 


Просмотров 779

Эта страница нарушает авторские права




allrefrs.ru - 2021 год. Все права принадлежат их авторам!